文献速递腹部泌尿生殖CT

基于CT影像与临床特征的机器学习鉴别胰胆管型与肠型壶腹周围癌

Machine learning for differentiating between pancreatobiliary-type and intestinal-type periampullary carcinomas based on CT imaging and clinical findings.
PubMed 文献 · Abdom Radiol (NY) · 2024-01-18

该多中心回顾性研究纳入140例壶腹周围腺癌患者(训练集112例、内部验证集28例)及28例外部验证队列,基于增强CT定性特征与临床变量构建五种机器学习分类器,XGBoost在训练集、内部验证集和外部验证集的AUC分别为0.98、0.89和0.84,肿瘤强化程度、生长方式和CA19-9为最重要特征。

要点

  • XGBoost模型在外部验证集鉴别胰胆管型与肠型壶腹周围腺癌的AUC为0.84。
  • 肿瘤强化程度、肿瘤生长方式和CA19-9是模型中最重要特征。
  • 胰胆管型患者总胆红素和CA19-9升高比例高于肠型患者。

核心结论

  • 结合CT与临床特征的机器学习模型可作为无创工具鉴别壶腹周围腺癌的组织学亚型,尤其是XGBoost分类器。
  • XGBoost在训练集、内部验证集和外部验证集的AUC分别为0.98、0.89和0.84。

研究设计与样本

  • 多中心回顾性研究,纳入两家医院共168例壶腹周围腺癌患者,其中医院一140例按8:2随机分为训练集112例和内部验证集28例,医院二28例为外部验证集。
  • 参考标准为术后组织病理学及免疫组化染色标志物(如黏蛋白1、黏蛋白2、细胞角蛋白7、细胞角蛋白17等)。
  • 采用五种机器学习分类器(逻辑回归、随机森林、多层感知机、LightGBM、XGBoost)基于18个定性CT特征和5个临床变量建模。

关键影像表现/征象

  • 肠型壶腹周围腺癌CT示例:壶腹部肿块强化程度与十二指肠壁相似,呈内生性生长,远端胆总管边缘光滑,伴上游胆管扩张。
  • 胰胆管型壶腹周围腺癌CT示例:壶腹部肿块强化程度与十二指肠壁不相似,呈外生性生长,远端胆总管边缘不规则,伴上游胆管扩张。
  • 训练集和内部验证集中,壶腹部肿块存在、肿瘤生长方式、壶腹部膨隆、远端胆总管边缘形状、远端胆总管腔对称性、远端胆总管壁增厚、病灶内坏死/钙化/囊性变、病灶强化方式、病灶峰值强化期、主要血管受累和胰腺侵犯在两组间差异有统计学意义(P < 0.05)。

诊断标准与关键数值

  • CA19-9升高定义为≥37 U/mL,总胆红素升高定义为≥21 μmol/L。
  • 远端胆总管壁增厚定义为> 1.5 mm,主胰管扩张定义为> 3 mm,胰周淋巴结增大定义为短径> 1 cm。
  • XGBoost分类器在训练集、内部验证集和外部验证集的AUC分别为0.98、0.89和0.84。

临床应用与阅片要点

  • 阅片时可关注肿瘤强化程度(与邻近正常十二指肠壁在门静脉期比较)、肿瘤生长方式(内生性、外生性或混合性)及CA19-9水平,这三项为模型最重要特征。
  • 评价远端胆总管边缘形状(光滑或不规则)、壶腹部是否膨隆及远端胆总管腔是否对称有助于鉴别组织学亚型。
  • 外部验证中XGBoost校准曲线显示预测值接近实际值,决策曲线分析提示在实际应用中可获得净临床获益。

局限性

  • 原文指出仍需更大队列验证以展示XGBoost模型的适用性。
  • XGBoost与其他分类器在外部验证集的AUC差异无统计学意义(P > 0.05)。
  • 预后分析中肠型与胰胆管型壶腹周围腺癌的DFS和OS差异无统计学意义(P > 0.05)。
全文中译16 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Abdom Radiol (NY). 2024 Jan 18;49(3):748–61. doi: 10.1007/s00261-023-04151-1

引言

壶腹周围癌被定义为发生于十二指肠乳头2 cm范围内的几种恶性肿瘤的统称,传统解剖学亚型包括胰腺癌、壶腹癌、胆管癌和十二指肠癌[1]。尽管最佳治疗方式是根治性切除[2, 3],但各肿瘤亚型患者之间的生存率存在显著差异,其中十二指肠癌的5年生存率最高(59%),胰腺癌最低(15%)[4]。然而,壶腹区域小而复杂,在解剖学上难以区分。

在组织学上,大多数壶腹周围腺癌可分为肠型和胰胆管型[5]。越来越多的研究强调,壶腹周围腺癌的组织学表型在肿瘤进展和治疗反应中发挥重要作用[5, 6]。胰胆管型壶腹周围腺癌比肠型壶腹周围腺癌更具侵袭性且预后更差,提示组织病理学表型是壶腹周围腺癌患者生存的独立预测因素[7–9]。此外,胰胆管型和肠型壶腹周围腺癌对各种化疗药物的反应不同,早期组织学分型有助于预测辅助化疗药物的疗效[6, 10, 11]。既往研究结果表明,胰胆管型与较短的生存期及较早的复发相关[5, 12–15]。目前,诊断壶腹周围腺癌组织学亚型的金标准是术后免疫组化染色标志物,例如黏蛋白1、黏蛋白2、细胞角蛋白7、细胞角蛋白17等[16]。因此,需要用于术前预测组织学亚型的无创生物标志物以改善壶腹周围腺癌的治疗。

计算机断层扫描(CT)和磁共振成像(MRI)在临床实践中广泛用于壶腹周围腺癌的诊断、分期和可切除性评估。MRI比CT具有更高的软组织分辨率,在确定壶腹周围腺癌与邻近结构之间的解剖关系方面具有优势;然而,其受限于费用高、耗时长和易受运动干扰。CT由于获取方便、成本低和高空间分辨率等优势,通常更广泛地用于评估壶腹部异常。影像学特征与壶腹周围腺癌组织学表型之间的关联日益受到关注[17–19]。然而,动态增强CT在鉴别胰胆管型和肠型壶腹周围腺癌中的价值尚不明确。此外,近期研究显示了血清碳水化合物抗原19–9(CA19-9)和总胆红素水平在鉴别良恶性壶腹腺癌中的诊断价值[20]。

考虑到机器学习(ML)分类器在医学领域的广泛应用,我们旨在使用多种ML分类器构建基于动态增强CT和临床特征的模型,以区分胰胆管型和肠型壶腹部腺癌,从而帮助临床医生预测壶腹部腺癌患者的预后并指导治疗。

方法

研究人群

在病理数据库中检索手术病理记录,检索词为“壶腹部腺癌”“胆总管下段”“十二指肠乳头”或“Vater”,并结合“胰胆管型”或“肠型”。纳入标准如下:(1)经手术诊断为壶腹部腺癌并经组织学证实为胰胆管型或肠型壶腹部腺癌的患者;(2)在手术切除前< 30天内进行标准平扫和增强腹部CT成像;(3)无术前侵入性治疗。我们使用以下标准排除患者:(1)组织学证实为混合胰胆管型和肠型;(2)患有其他同时性恶性肿瘤或接受过既往抗癌治疗的患者;(3)CT上无法识别肿瘤病灶。

这是一项多中心回顾性研究,纳入两家医院,经两家医院机构审查委员会批准,并豁免患者知情同意。医院一的数据将按8:2的比例随机分配至训练队列和内部验证集,医院二的数据将作为外部验证集(图1)。共纳入医院一2019年1月至2022年12月的187例患者。其中,23例患者术前行留置引流管,10例患者因穿刺活检证实的胰腺癌接受术前化疗,4例患者为混合型壶腹部腺癌,5例患者因运动伪影导致图像质量评估不满意,5例有直肠癌或肝癌病史并接受过既往抗癌治疗的患者被排除在研究之外。最终,140例患者被纳入研究(图1)。

我们招募了医院二2013年11月至2022年12月的患者,形成外部验证数据集。该数据集产生36例患者。其中,4例患者术前行留置引流管,2例患者因穿刺活检证实的胰腺癌接受术前化疗,2例为混合型壶腹部腺癌的患者被排除在研究之外。最终,28例患者被纳入研究(图1)。

图1 研究队列流程图 查看原图 ↗

临床数据收集

从医疗记录中检索患者临床信息,包括年龄、性别、胆囊切除术史、血清总胆红素和CA19-9水平。记录的实验室数据必须在CT检查前2周内测量。血清总胆红素和CA19-9升高定义为总胆红素≥ 21 μmol/L和CA19-9 ≥ 37 U/mL。

CT图像采集

患者检查前需禁食至少4 h,并饮用至少500 ml纯净水作为口服对比剂充盈十二指肠腔。医院一的图像使用三台CT扫描仪采集:16层扫描仪(Aquilion;Toshiba Medical Systems,东京,日本)、64层扫描仪(LightSpeed VCT,GE Medical Systems,密尔沃基,美国)和256层扫描仪(Brilliance iCT;Philips Healthcare,克利夫兰,俄亥俄州,美国)。CT参数为管电压100或120 kVp,管电流200–700 mAs,像素间距0.539–0.881 mm,层厚0.625–5.000 mm(层厚中位数1 mm)。使用的非离子型对比剂为碘海醇(扬子江药业集团,泰州,中国)以及碘克沙醇和碘海醇(GE Healthcare Ireland,Carrigtohill,爱尔兰)。使用高压注射器(3.0 mL/s)注射非离子型对比剂(1.5 mL/kg)。平扫后行动脉期(25–35 s)、门静脉期(55–75 s)和延迟期(120–180 s)扫描。

医院二的图像使用两台CT扫描仪采集:16层扫描仪(Lightspeed;GE)和16层扫描仪(Somatom Emotion;Siemens)。CT参数为管电压120 kVp,管电流300 mAs。层厚为1 mm,层间距为1 mm。非离子型碘对比剂碘佛醇(300 mgI/mL)经肘静脉通过高压注射器注射,总容积80–100 mL,注射流率2.5–3.0 mL/s。平扫后行动脉期(25 s)、门静脉期(50–60 s)和延迟期(150–180 s)扫描。

图像分析

所有图像由两名放射科医师独立审阅(C.T.和C.S.,分别具有6年和7年腹部CT判读经验)。两名观察者均对临床和组织病理学数据设盲,但知晓患者患有壶腹周围腺癌。任何分歧均由第三名放射科医师(Y.H.,具有25年腹部CT判读经验)解决。在整个评估过程中,放射科医师需在横断面、矢状面和冠状面视图上全面评估CT图像,并评估所有期相的CT图像以作出最终结论。

影像特征的评估参考了既往相关研究[21–23]。定性评估特征如下:(a)是否存在壶腹部肿块;(b)生长方式(腔内型、腔外型或混合型);(c)是否存在壶腹部膨隆;(d)胆总管(CBD)远端边缘形态(光滑或不规则);(e)CBD远端管腔对称性(对称或不对称);(f)CBD远端狭窄模式(逐渐变细或突然狭窄);(g)胆管扩张模式(中心性或成比例性);(h)是否存在肝内胆管(IHD)扩张;(i)IHD扩张程度(无至轻度扩张或中至重度扩张);(j)是否存在CBD远端管壁增厚(> 1.5 mm);(k)是否存在主胰管(MPD)扩张(> 3 mm);(l)是否存在胰周淋巴结增大(短径 > 1 cm);(m)病变内是否存在坏死、钙化或囊性变;(n)强化程度(门静脉期与邻近正常十二指肠壁强化程度相似或不同);(o)病变强化峰值期(动脉期、门静脉期或延迟期);(p)是否存在主要血管受累;(q)是否存在壶腹周围十二指肠憩室;(r)是否存在胰腺受累。

定量评估特征如下:(a)壶腹部肿块大小(mm);(b)CBD远端末端的角度(°);(c)扩张CBD的直径(mm);(d)MPD的直径(mm)。

为确认影像学特征具有高度可重复性和可靠性,计算组内相关系数(ICC)以检验医院一数据集中观察者间的一致性。

预测模型的开发与验证

我们使用18个定性CT特征和5个临床变量构建预测模型。为选择对胰胆管型和肠型壶腹周围腺癌鉴别能力最高的分类器预测模型,我们选择了五种机器学习分类器,包括轻量梯度提升机(LightGBM)、多层感知机(MLP)、极端梯度提升(XGBoost)、随机森林和逻辑回归。我们在训练集中应用这些分类器,并进行五折内部交叉验证以探索最优超参数。随后,使用SHapley加法解释(SHAP)模型解释方法逐一计算并分析每个特征如何影响最佳分类器的输出[24]。

所有模型均在内部验证队列和外部验证队列中进行验证。我们绘制受试者工作特征曲线(ROC),并使用DeLong检验比较曲线下面积(AUC)。此外,我们计算分类器的准确率、灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和F1分数。最后,我们根据各项指标选择最佳预测模型,并在外部验证中绘制其校准曲线和临床决策分析(DCA),以评估其在临床应用中的性能。

壶腹周围腺癌的预后评估

在医院一数据集(训练队列和内部验证队列)中进行了预后分析。我们的预后结局包括无病生存期(DFS)和总生存期(OS),DFS定义为从肿瘤随机化开始至患者因疾病进展复发或死亡的时间,OS定义为至全因死亡的时间。随访期间失访1例患者。

统计分析

对连续变量进行正态性检验,正态分布的连续变量采用Student t检验,以均数±标准差表示;非正态分布的连续变量采用Mann–Whitney U检验,以中位数(四分位距)描述。分类变量采用卡方检验或Fisher精确检验,以百分比表示。计算Cohen kappa值和ICC值以评估两名放射科医师间观察者一致性强度(0.00–0.20一致性差,0.21–0.40一致性一般,0.41–0.60一致性中等,0.61–0.80一致性好,0.81–1.00一致性极好)。我们使用Kaplan–Meier曲线评估实际和预测PAC亚组的DFS和OS,以评价模型的预后价值。基于病变的器官来源进行了相同的生存分析,分为四组,包括壶腹部、十二指肠、胰腺和CBD。

所有统计分析均使用SPSS软件(版本27.0)和Python软件(版本3.11)完成。双侧P值<0.05表示有统计学意义。

结果

患者特征

整体研究设计见图1。训练队列(n=112)、内部验证队列(n=28)和外部验证队列(n=28)的人口学和病理学特征列于表1。在168例患者中(男94例,女74例;平均年龄64.8岁;范围29–89岁),118例为胰胆管型(男66例,女52例;平均年龄64.6岁;范围29–89岁),50例为肠型(男28例,女22例;平均年龄65.1岁;范围46–86岁)。

在CT定性特征中,壶腹部肿块的存在、肿瘤生长方式、壶腹部膨隆的存在、远端CBD边缘形态、远端CBD管腔对称性、远端CBD壁增厚的存在、病变内坏死、钙化或囊变的存在、病变强化方式、病变强化峰值期、主要血管受累以及胰腺侵犯在训练队列和内部验证队列的两组间差异有统计学意义(P<0.05)(表2)。远端CBD狭窄模式、胆管扩张模式、IHD扩张的存在、IHD扩张程度、MPD扩张的存在、胰周淋巴结增大的存在以及壶腹周围十二指肠憩室的存在差异无统计学意义。肠型壶腹周围腺癌和胰胆管型壶腹周围腺癌的主要CT表现分别见图2和图3。

在所有数据集中,两组的CT定量特征差异均无统计学意义(表2)。

表1 各队列患者的特征 查看原表 ↗
表2 各队列CT特征的定性和定量评估 查看原表 ↗
图2 一例72岁男性患者的示例,该患者主诉上腹痛和皮肤瘙痒。门静脉期增强CT的轴位(a、c)和冠状位重建图像(b)显示壶腹周围肿块,其强化程度与十二指肠壁相似(箭头),呈内生性生长模式。远端胆总管(CBD)边缘形态光滑(箭头),伴有相应的上游胆管扩张(空心箭头)。该患者术后病理诊断为肠型壶腹周围腺癌(d)。 查看原图 ↗
图3 一例65岁表现为黄疸的男性患者。门静脉期增强CT的轴位(a、c)和冠状位重建图像(b)显示壶腹周围肿块,其强化程度与十二指肠壁不相似(箭头),呈外生性生长模式。远端胆总管边缘形态不规则(箭头),伴有相应的上游胆管扩张(空心箭头)。该患者术后病理诊断为胰胆管型壶腹周围腺癌(d)。 查看原图 ↗

观察者间一致性

在定性成像变量中,仅主要血管受累(k = 0.50)和胰腺受累(k = 0.59)显示中等程度一致性,其余所有变量均显示良好至极佳的观察者间一致性(k = 0.64–0.95)。

在定量成像变量中,远端胆总管(CBD)角度和CBD直径显示出良好的一致性(ICC,0.63–0.79),对于壶腹部肿块大小和主胰管(MPD)直径则显示出极好的一致性(ICC,0.92)(表3)。

表3 CT影像表现的观察者内和观察者间一致性 查看原表 ↗

机器学习分类器的开发与验证

我们选择定性的CT和临床特征,基于LightGBM、MLP、XGBoost、随机森林和逻辑回归构建模型。所有分类器的超参数见补充表6。基于不同分类器的预测模型在内部验证队列和外部验证队列中的ROC曲线见图4和表4。除MLP外,其余四种分类器在各数据集中均表现良好。XGBoost在训练集、内部验证集和外部验证集中显示出最高的AUC值。

与其他分类器相比,XGBoost在训练集、内部验证集和外部验证集中显示出最高的AUC值。这在内部验证集中具有统计学差异(补充表1),但在外部验证集中不显著(P > 0.05)(补充表2)。

考虑到传统逻辑回归模型也具有良好的诊断性能,我们另外进行了单因素和多因素回归分析(补充表5)。此外,基于逻辑回归模型构建了列线图(补充图1)。

图4 基于影像和临床特征的五种机器学习分类器在内部验证队列和外部验证队列中分别得到的ROC曲线。AUC,曲线下面积;LightGBM,轻量梯度提升机;MLP,多层感知机;XGBoost,极端梯度提升 查看原图 ↗
表4 不同机器学习分类器在内部验证队列和外部验证队列中的诊断性能 查看原表 ↗

最佳分类器的特征重要性可视化

为了直观解释XGBoost中包含的特征,我们使用SHAP来解释这些特征在模型中区分胰胆管型和肠型壶腹部腺癌的作用(图5)。SHAP值(x轴)是对模型中包含特征影响的统一量化,对结果的影响用两种颜色的点绘制。红点代表高风险值,蓝点代表低风险值。排名前10位的特征为强化程度、生长方式、CA19-9水平升高、远端胆总管边缘形态、壶腹部膨隆存在、总胆红素升高、远端胆总管管腔不对称、胰腺受累、壶腹部肿块存在以及远端胆总管壁增厚存在。

图5 XGBoost分类器中特征重要性的汇总图。Y轴表示特征的重要性,按降序排列。x轴表示贡献度,其中> 0为正向贡献,< 0为负向贡献。散点的颜色表示该特征是高值(红色)还是低值(蓝色)。CBD,胆总管;MPD,主胰管;NCC,病灶内存在坏死、钙化或囊性变 查看原图 ↗

最佳分类器在外部验证中的校准曲线和DCA

在外部验证中,XGBoost的校准曲线(补充图2A)显示预测值接近实际值,表明模型校准良好;XGBoost的DCA(补充图2B)提示在实际应用中获得了净临床获益。

最佳分类器的预后价值

我们的结果显示,在我们的队列中,肠型壶腹部腺癌的DFS和OS有高于胰胆管型壶腹部腺癌的趋势,但无统计学差异(P > 0.05)。我们根据联合模型将患者分为模型预测的肠型和胰胆管型壶腹部腺癌,结果与实际病理分组相似(P > 0.05)。此外,在基于器官来源的亚组中,DFS和OS均未发现统计学差异(图6)。

图6 胰胆管型和肠型壶腹部癌的无病生存(DFS)率和总生存(OS)率的Kaplan–Meier曲线(A、D)。基于联合模型区分的模型预测胰胆管型和肠型的DFS率和OS率的Kaplan–Meier曲线(B、E)。基于四种解剖器官来源的壶腹部癌的无病生存(DFS)率和总生存(OS)率的Kaplan–Meier曲线(C、F)。组间无显著差异(log-rank检验,P > 0.05)。CBD,胆总管 查看原图 ↗

讨论

本研究使用多种机器学习分类器构建了结合CT影像和临床特征的诊断模型,用于区分胰胆管型和肠型壶腹部腺癌。结果显示,除MLP外,所有分类器均表现出良好的性能。因此,XGBoost分类器在训练队列(AUC = 0.98)、内部验证队列(AUC = 0.89)和外部验证队列(AUC = 0.84)中均表现出高效性。基于我们最佳的机器学习分类器,强化程度、病灶生长方式和CA 19-9是特征重要性最强的预测因子。

在内部验证中,除MLP外,我们的机器学习(ML)模型表现相似,但XGBoost在外部验证中显著优于其他模型。总体而言,XGBoost在大多数预测任务中的表现优于逻辑回归(LR)、随机森林(RF)和MLP等其他模型。首先,XGBoost的梯度提升框架迭代优化预测模型的构建过程,有效地从之前的错误中学习,从而随着时间的推移提高准确性[25]。XGBoost还通过内置的正则化机制和独特的树剪枝方法支持深度优先策略,有助于减少过拟合[26]。此外,XGBoost在每次迭代中包含内置的交叉验证,有助于优化模型调参。然而,我们也使用了LightGBM,它同样是一个梯度提升框架,在某些场景下,它以其速度和效率脱颖而出,尤其是在处理大型数据集时。但XGBoost在外部验证中优于它,可能与XGBoost能够通过更复杂的树剪枝和有效利用并行处理更高效地执行预测任务有关。然而,仍需更大的验证队列来证明XGBoost模型的适用性。

实验室检查结果,如CA19-9和总胆红素,已在临床工作中用于鉴别良恶性壶腹部病变[20, 21]。然而,此前尚无文献评估胰胆管型与肠型壶腹部腺癌在CA19-9和血清总胆红素水平方面的差异。我们的研究表明,胰胆管型壶腹部腺癌患者总胆红素升高和CA19-9升高的比例高于肠型壶腹部腺癌患者。此外,CA19-9是我们开发的最佳分类器中第3重要的预测因子。在胰胆管型腺癌患者中观察到的胆红素和CA19-9水平高于肠型腺癌患者,可能归因于这些亚型之间的解剖学和生物学差异。起源于胰胆管上皮的肿瘤,其解剖位置更可能导致胆管梗阻,从而可能导致胆红素在血液中蓄积[8]。此外,这些肿瘤的生物学行为通常导致CA19-9更显著表达,这与胰腺导管腺癌尤其相关,可能反映更大的肿瘤负荷或更具侵袭性的肿瘤表型。近期两项针对壶腹部腺癌的研究报道,胰胆管型较肠型总胆红素升高和CA19-9升高更为常见[13, 27],这部分支持了我们的结果。

既往已有数项研究探讨了图像增强特征在区分胰胆管型与肠型腺癌方面的价值[18, 28, 29]。两项MRI研究报道,与肠型壶腹部周围腺癌相比,胰胆管型壶腹部周围腺癌更常表现为渐进性强化[18, 28]。这种强化差异可归因于胰胆管型腺癌中促纤维增生性间质更为常见,使其更倾向于表现为渐进性强化[30]。然而,Gündüz等[29]发现,胰胆管型与肠型壶腹部周围胰腺导管腺癌在CT强化模式上并无区别。在本研究中,尽管两组之间在强化模式上存在差异,但这些差异在XGBoost分类器中的作用较小。此外,我们参考了鉴别壶腹部良恶性病变的研究[21],并额外评估了病变与邻近正常十二指肠壁之间的强化差异,特别是在门静脉期。我们将强化差异分为三组:与十二指肠强化模式相似、不相似或呈靶样强化。约73%的肠型壶腹部周围腺癌表现为与十二指肠强化相似,而约67%的胰胆管型壶腹部周围腺癌表现为相反的模式,两组之间靶样强化的比例相似。值得注意的是,这一特定特征成为XGBoost分类器中最重要的因素。

我们的研究结果提示,肠型与胰胆管型壶腹部周围腺癌在生长模式上存在显著差异。具体而言,肠型肿瘤倾向于腔内生长,而胰胆管型肿瘤表现为腔外生长的比例最高。这一观察结果提示,肿瘤中心更靠近十二指肠乳头者可能更易被诊断为肠型腺癌。此外,与肠型相比,胰胆管型腺癌表现出更高比例的混合生长模式,进一步支持了其侵袭性更强的观点[31, 32]。

在CT定性特征中,我们的研究显示胰胆管型壶腹部周围腺癌更常表现为远端胆总管边缘不规则,在XGBoost分类器中位列第4重要特征。Nalbant等[28]在MRI中发现胆总管远端边缘不规则狭窄提示胰胆管型壶腹部周围腺癌,而一些研究未发现该特征的阳性价值[18, 23]。我们的结果更支持前者,因为胆总管远端边缘不规则似乎代表一种高度侵袭性肿瘤。胰胆管型壶腹部周围腺癌表现出与胰腺导管癌或肝外胆管癌相似的细胞表型[33]。它更倾向于沿导管周围浸润性生长,表现为伴有瘢痕样纤维化的胆管狭窄。其病理基础可能归因于相关的间质促结缔组织增生[34, 35]。此外,与既往研究[21]一致,本研究中该指标的观察者间一致性极好(k > 0.80)。因此,我们得出结论:胆总管远端边缘的形态是鉴别胰胆管型和肠型胰腺周围腺癌的重要CT特征。此外,既往研究报道胃十二指肠动脉受累和淋巴结增大与胰胆管型腺癌显著相关[28, 29],而胆总管远端卵圆形充盈缺损与肠型腺癌显著相关[23, 28]。这些指标在我们的模型中未获得足够权重。

在既往研究中,肿块大小、胆总管直径和主胰管直径等定量参数未见在肠型和胰胆管型腺癌之间存在差异的报道[18, 28, 29]。肿块大小是否为壶腹部周围腺癌的预后因素尚存争议[7, 36, 37]。同样,我们的结果未发现上述指标的贡献。我们是首个将胆总管远端角度应用于胰胆管型与肠型壶腹部周围腺癌比较的研究,尽管报告的结果无统计学意义。Lee等[21]报道该特征在良性与恶性壶腹部狭窄之间显示出统计学差异,但多因素分析后该统计学差异消失。因此,这些定量参数能否作为区分壶腹部周围腺癌不同亚型的生物标志物仍需进一步验证。

我们关于预后的结果需谨慎解读。既往研究显示,肠型预后优于胰胆管型[16]。尽管我们的结果显示出肠型较胰胆管型有更高的DFS和OS趋势,但无统计学差异。这可能由于我们的随访期较短,限制了对长期预后的观察。此外,由于我们的研究仅纳入可接受根治性手术的患者,这可能缩小了两者之间的预后差异。尽管如此,我们基于模型的亚组预后性能与基于病理的亚组相似,提示影像联合临床特征模型有潜力作为预测预后的附加方法以指导临床实践。

需要提及的是,我们的机器学习(ML)分类器不能替代内镜活检检查。首先,我们当前的研究未对比分析ML模型与内镜活检的诊断准确性。我们发现研究中相当比例的患者未进行术前内镜活检。其次,CT检查和内镜活检均是临床怀疑壶腹部肿瘤患者的推荐检查。尽管壶腹部腺癌的内镜活检存在一些缺点,如诊断准确性低和假阴性率高(20–40%)[38]。然而,从内镜活检获得的复杂组织学信息对于制定准确的治疗策略仍至关重要。最后,尽管我们的研究开发了基于影像和临床参数的ML诊断模型,能较好地鉴别壶腹部腺癌亚型,并在外部验证数据集中得到验证。然而,仍需在更大样本中进一步验证。因此,作为一种无创预测工具,我们的ML模型可能帮助临床医生判断哪些患者更需要内镜活检,从而避免不必要的医疗资源浪费并减轻患者痛苦。尽管前景可观,我们建议我们的模型应纳入更广泛的诊断框架,而非完全替代内镜活检。

本研究存在一些局限性。首先,这是一项回顾性研究,纳入了具有手术病理结果的患者。因此,我们的模型可能不适用于无法手术的晚期癌症患者。其次,我们的样本量较小;然而,我们在训练队列中使用了多种ML分类器以寻找最佳超参数,并进行内部五折交叉验证。ML分类器的性能在内部验证队列和外部验证队列中均得到充分验证以确保可重复性。仍需要未来更大样本的外部验证队列以进一步验证分类器的稳健性。

总之,我们开发并验证了基于可测量定性CT和临床特征的联合模型。在我们的研究中,使用XGBoost的联合模型在区分壶腹部周围腺癌亚型方面表现最佳,这可能有助于改善壶腹部周围腺癌的临床治疗管理策略。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 199 KB)

引用

  1. Chen T, Zhang D, Chen S, et al. Machine learning for differentiating between pancreatobiliary-type and intestinal-type periampullary carcinomas based on CT imaging and clinical findings. Abdom Radiol (NY). 2024. PMID: 38236405. doi:10.1007/s00261-023-04151-1
  2. 全文:PMC10909762(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10909762/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。