文献速递腹部技术与安全MR

多期增强MRI信号增强比:胰腺腺癌生存的影像生物标志物

Signal enhancement ratio of multi-phase contrast-enhanced MRI: an imaging biomarker for survival in pancreatic adenocarcinoma.
PubMed 文献 · Eur Radiol · 2024-05-15

回顾性纳入三中心277例胰腺腺癌患者,以全切片图像定量病理分析为参考标准,评估多期增强MRI信号增强比(SER)与肿瘤间质/上皮比例的相关性及对总生存的预后价值。SER与间质/上皮比例在25-300秒时间窗内显著相关,SER预测的低间质比例与更差总生存独立相关。

要点

  • SER300_35与间质比例r=0.74、与上皮比例r=-0.71,为最佳时间组合。
  • 常规增强MRI时序下SER150_50与间质r=0.63、上皮r=-0.58。
  • SER预测低间质比例(截断值60%)与更差总生存独立相关,HR=1.84。

核心结论

  • 多期增强MRI的SER可用于胰腺腺癌的组织表征和预后分层。
  • SER预测的低间质比例是总生存的独立预后因素,在训练/验证集HR=1.84(1.17-2.91),p=0.009;三个测试集合并HR=1.73(1.25-2.41),p=0.001。

研究设计与样本

  • 回顾性研究,纳入三个中心2015-2021年277例接受 upfront 手术及术前多期增强MRI的胰腺腺癌患者。
  • 内部数据集159例(中心A),分为训练集61例、验证集40例、内部测试集58例;外部测试集为中心B 65例、中心C 53例。
  • 训练/验证集采用16期DCE-MRI(CAIPIRINHA-Dixon-TWIST-VIBE)、DWI及T2WI;测试集采用常规多期增强MRI。
  • 参考标准为全切片图像定量病理分析(QHA),采用深度学习模型量化间质、上皮和管腔比例。

关键影像表现/征象

  • SER与间质比例呈显著正相关(r=0.29-0.74,均p<0.001),与上皮比例呈显著负相关(r=-0.23至-0.71,均p<0.001),时间窗25-300秒。
  • SER300_35与间质和上皮相关性最高(r=0.74和-0.71),SER150_50在常规增强MRI时序下相关性最高(r=0.63和-0.58)。
  • Bland-Altman分析显示SER300_35在训练和验证集中间质/上皮定量偏倚均在±1%以内,95%一致性界限在±20%以内。
  • SER150_50在三个测试集中偏倚约±4%,95%一致性界限在±25%以内;Pearson相关间质r=0.60 vs 0.52 vs 0.60,上皮r=0.52 vs 0.49 vs 0.52,均p<0.001。

诊断标准与关键数值

  • SER定义为(SIlt - SIpre)/(SIea - SIpre),其中SIpre、SIea、SIlt分别为肿瘤ROI在增强前、早期增强后(15-72秒)和晚期增强后(50-300秒)的信号强度。
  • SER300_35与QHA间质比例r=0.74、上皮比例r=-0.71(均p<0.001);SER150_50与间质r=0.63、上皮r=-0.58。
  • SER预测间质比例的截断值为60%,低间质比例组与更差总生存独立相关,HR=1.84(95%CI 1.17-2.91),p=0.009。
  • SER观察者间一致性ICC均>0.80(范围0.81-0.90)。

临床应用与阅片要点

  • SER可在多期增强MRI上半定量估算胰腺腺癌间质与上皮比例,SER300_35为最佳时间组合。
  • 常规增强MRI时序下可采用SER150_50进行组织定量,与QHA相关性中等。
  • SER预测的低间质比例(<60%)提示总生存更差,可与病理分级、T/N分期及切缘一起用于预后分层。
  • 作者指出SER可作为表征组织成分的新型影像生物标志物,并可能改善胰腺腺癌的患者分层和治疗。

局限性

  • 原文未报告局限性。
全文中译18 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:Eur Radiol. 2024 May 15;34(11):7460–70. doi: 10.1007/s00330-024-10746-z

引言

胰腺导管腺癌(PDAC)是最致命的癌症之一,5年生存率仅为11%[1]。PDAC的一个标志性特征是其广泛的促纤维增生性间质,这被认为赋予了其生物学侵袭性[2, 3]。据报道,这种致密的间质作为物理屏障阻碍药物的有效递送[4, 5]。此外,间质的数量在肿瘤内以及患者之间存在显著差异,这种差异已被证明可提供预后信息[6]。一般而言,间质比例低预示PDAC预后不良[7–10]。然而,目前的临床影像学评估主要依赖于基于形状和基于体积的描述符[11]。迫切需要识别用于表征PDAC肿瘤组织组成的影像生物标志物。

多期动态对比增强磁共振成像(DCE-MRI)与CT相比,由于其优越的软组织对比度和提供功能信息的能力,是一种高度敏感的肿瘤表征模态[12]。定量参数如容积转移常数Ktrans在间质评估中已取得一些初步结果[13]。然而,与常规多期对比增强MRI(CE-MRI)相比,由于空间分辨率较低而导致的技术复杂性和相对较低的图像质量,是阻碍定量参数广泛应用的主要障碍[14]。相比之下,信号增强比(SER)是一种通过三次时间点检查来估计信号强度变化的半定量方法[15]。具体而言,SER定义为(SIlt − SIpre)/(SIea − SIpre),其中SIpre、SIea和SIlt分别代表对比前、对比后早期和对比后晚期图像的信号强度(SI)。既往研究已证明SER与乳腺癌肿瘤生物学行为及预后结局之间存在密切关联[15, 16]。然而,少有研究探讨SER在PDAC组织表征中的潜力。

随着数字病理学的进步,Hao Fu等人提出了首个用于PDAC检测的深度卷积神经网络架构[17]。Bo Li等人采用条件生成对抗模型在全切片图像(WSIs)上分割肿瘤和间质[9]。这些进展促进了肿瘤组织组成的客观和标准化评估。然而,据我们所知,SER与定量肿瘤组织组成之间的关系尚未在PDAC中进行研究。因此,本研究的目的是以定量组织病理学分析(QHA)为参考标准,评估多期CE-MRI衍生的SER在表征PDAC组织组成方面的潜力。同时还分析了SER的预后价值。

方法

研究患者

本回顾性研究经机构审查委员会批准,并豁免了书面知情同意的要求。

本研究连续纳入2015年至2021年间在中国三家学术中心接受 upfront 手术及术前多期对比增强MRI(CE-MRI)的胰腺导管腺癌(PDAC)患者。内部数据集包括在郑州大学附属肿瘤医院/河南省肿瘤医院(中心A)接受16期动态对比增强MRI(DCE-MRI)或常规多期CE-MRI的患者。在接受16期DCE-MRI的患者中,划分为训练数据集(涵盖2015—2019年获得的扫描)和验证数据集(涵盖2020—2021年获得的扫描)。接受常规CE-MRI的患者构成独立的内部测试数据集。纳入两个外部测试数据集,分别由在中南大学湘雅医院(长沙,中心B)和扬州市苏北人民医院(扬州,中心C)接受常规多期CE-MRI的患者组成。

所有患者的纳入标准如下:(i)接受 upfront 手术切除并经组织病理学证实为PDAC;(ii)术前一个月内接受多期CE-MRI检查;(iii)可获得肿瘤切除标本的苏木精-伊红(H&E)染色全切片图像(WSIs)。排除标准如下:(i)MRI质量不合格;(ii)WSIs缺失或少于三张;(iii)临床数据缺失。受试者流程图见图1。

图1 训练、验证、内部测试及两个外部测试数据集中患者筛选流程流程图。PDAC,胰腺导管腺癌;DCE-MRI,动态对比增强MRI;WSIs,全切片图像 查看原图 ↗

MRI方案与分析

MRI方案

MRI采集参数详见附录E1及表E1和E2。在训练和验证数据集中,MR序列包括16期DCE-MRI、弥散加权成像(DWI)和T2加权成像(T2WI)。16期DCE-MRI的采集采用CAIPIRINHA-Dixon-TWIST-VIBE技术。该技术包括采集一个对比剂注射前期相(PRE)、注射对比剂后15至37秒的六个连续动脉期(AP)、50至72秒的六个连续门静脉期(PVP),随后在90、150和300秒采集三个延迟期(DP)。DWI采用单次激发回波平面成像脉冲序列,b值为50和800 s/mm²。随后,根据两个b值的DWI扫描生成表观弥散系数(ADC)图。在内部和两个外部测试数据集中,常规多期CE-MRI采集包括一个PRE、AP(15—25秒)、PVP(50—55秒)和DP(120—180秒)。

影像预处理与感兴趣区(ROI)测量

对于感兴趣区(ROI)测量的批量提取,采用Elastix(https://elastix.lumc.nl/)的网格和可变形配准技术来实现多期CE-MRI图像的体素级对齐。随后,由两名放射科医师(C.X.和Z.B.,分别具有7年和4年腹部影像经验)勾画肿瘤和椎旁肌的ROI,ROI勾画的更多细节见附录E1(电子补充材料)。肿瘤在多期CE-MRI上的SER按如下公式计算[18]:其中、、和分别代表肿瘤ROI在增强前、增强早期(AP或PVP:范围为注射对比剂后15至72秒)和增强晚期图像(PVP或DP:范围为50至300秒)上的信号强度(SI)。为评估SER的可重复性,两名放射科医师独立在16期DCE-MRI上勾画肿瘤ROI。此外,在训练集和验证集中,还获取了若干额外参数,包括肿瘤的ADC值、T2WI上肿瘤与肌肉的SI比值,以及16期DCE-MRI的所有增强前和增强后扫描。

用于定量肿瘤组织组成的SER分析

鉴于16期DCE-MRI注射后时间窗口较宽,我们研究了SER用于表征组织组成的合适扫描时机。与既往研究结果[13, 19]一致,PDAC在AP期表现为强化快速升高,随后在PVP和DP期表现为逐渐且缓慢的升高(图S1)。因此,对于增强早期时间点(Tea),我们选择了两个具有临床意义的AP时间点:胰腺实质期(约注射对比剂后35秒)被广泛认为是检出PDAC的最佳期相,而晚AP期(约25秒)易于获取,并被认为是识别肝脏肿瘤的最佳期相。此外,还选择了一个常用的PVP时间点(约50秒)。进一步地,对于增强晚期时间点(Tlt),我们分析了PVP和DP中的所有时间点,范围为50秒(不包括Tea = 50)至300秒,以研究扫描延迟对组织表征的影响。采用Spearman相关分析评估SER与QHA之间的相关性。结合时间-r值曲线拟合分析,以确定Tea和Tlt用于表征组织组成的最佳时间点。

为评估SER对组织定量的预测能力,在训练集中使用最佳选择的Tea和Tlt时间点的SER建立了初始线性回归模型。该模型随后在一个完全独立的验证集中进行验证。在常规CE-MRI未采集最佳选择时间点的情况下,进一步在训练集中构建了第二个线性回归模型,该模型使用基于常规CE-MRI扫描时机与QHA相关性最高的SER。随后在三个不同的测试集中检验该第二个模型,以评估其在常规CE-MRI上的临床可推广性。通过采用相应的回归模型并使用Python脚本进行基于体素的计算,生成SER拟合的组织组成图。

定量组织病理学分析(QHA)

每位患者从肿瘤切除标本中选取三张或以上H&E染色切片,并在各所属机构以×40放大倍数进行数字化扫描。开发了两种基于深度学习的分割模型用于量化全切片图像(WSIs)上的肿瘤组织组成:一种用于肿瘤检测,另一种用于组织分割。由两名病理学家(Y.C.G.和M.Y.S.,具有6年胃肠道病理学经验)使用ASAP(https://computationalpathologygroup.github.io/ASAP/)对“正常”和“肿瘤”区域以及“间质”、“上皮”和“管腔”组织进行图像标注。

肿瘤检测

训练了一个基于VGG-19的卷积神经网络以识别正常和肿瘤区域。病理学家共标注了453张WSIs以建立模型训练和验证的金标准。其中,209张WSIs来自公开可获取的癌症基因组图谱-胰腺腺癌(TCGA-PAAD)队列,网址为https://www.cancer.gov。随后,从A、B和C中心的WSIs库中以随机、中心平衡的方式选取了244张WSIs。共提取16,061个大小为512×512像素的图像块用于模型训练和验证,比例为7:3。

组织分割

采用基于U-Net的神经网络分割间质、上皮和管腔,与我们之前的工作[20]相同。来自五个TCGA队列(即PAAD、乳腺癌、肺腺癌、肺鳞状细胞癌和胃腺癌)的共391张WSIs经人工标注用于模型训练。从A、B和C中心以随机、中心平衡的方式选取90张WSIs并进行标注,用于模型独立验证。共生成17,159个大小为512×512像素的图像块用于模型训练和验证,比例为7:3。

最后,间质、上皮和管腔的比例计算为所有WSIs中肿瘤区域内特定组织面积的百分比。分割结果由两名病理学家核查,并在必要时进行校正。

统计分析

统计分析使用SPSS(版本25.0,IBM;Armonk,NY,USA)进行。连续变量和分类变量分别采用Kruskal–Wallis检验和卡方检验或Fisher精确检验进行比较。SER的观察者间一致性采用组内相关系数(ICC)评估。SER与QHA之间组织量化的一致性通过Bland-Altman图和Pearson相关检验进行评估。生存分析针对总生存期(OS)进行,采用Kaplan–Meier曲线及log-rank检验,以及单因素和多因素Cox回归分析。间质、上皮和SER用于生存分析的最佳截断值由其各自的均值确定。显著性水平设定为p < 0.05,所有分析均采用双侧检验。

结果

患者特征

本研究共纳入277例患者。内部数据集包括来自A中心的159例患者,进一步分为训练集、验证集和内部测试集(分别为n = 61、40、58)。另有两个外部数据集,分别来自B中心(n = 65)和C中心(n = 53)。各数据集间患者的人口学和临床病理特征基本均衡(表1)。总体而言,156例(56.3%)患者为男性,中位年龄为62岁(IQR,54–68)。训练集、验证集、内部测试集及两个外部数据集的MRI检查与手术之间的中位间隔分别为3(IQR,2–6)、5(4–7)、3(2–6)、6(3–8)和6(4–9)天。

表1 训练集、验证集、内部测试集及两个外部数据集中的临床病理特征 查看原表 ↗

定量组织病理学分析

对所有数据集中277例(3.7 ± 0.8)患者的1027张全切片图像(WSI)进行了定量组织病理学分析(QHA)。肿瘤检测模型的平均受试者工作特征曲线下面积(AUC)为0.94。组织分割模型在间质、上皮和管腔的平均Dice相似系数分别为0.89、0.90和0.79(可视化示例见图S2)。

在胰腺导管腺癌(PDAC)中,间质、上皮和管腔的平均比例分别为59.7 ± 13.7%、25.5 ± 11.2%和5.4 ± 3.0%。与高分化或中分化PDAC相比,低分化肿瘤表现出更高的上皮比例(低分化,36.2 ± 11.5% vs. 高/中分化,23.0 ± 9.6%;p < 0.001)和更低的间质比例(低分化,48.8 ± 13.9% vs. 高/中分化,62.2 ± 12.4%;p < 0.001),管腔除外。鉴于管腔比例较低,我们后续分析聚焦于间质和上皮。

QHA与MRI的相关性分析

对于常规MRI参数,T2WI上的肿瘤-肌肉信号强度(SI)比值及16期动态对比增强MRI(DCE-MRI)所有扫描序列与间质(r,范围−0.02至0.23)和上皮(r,范围−0.05至−0.16)的相关性表现为可忽略至显著弱相关;在合并的训练集和验证集中,表观扩散系数(ADC)与间质和上皮呈弱但显著的相关性(r分别为0.32和−0.29,均p < 0.001)。

相反,图2展示了在较宽的注射后时间窗口(范围25至300 s)内,信号增强率(SER)与间质(r,范围0.29–0.74,均p < 0.001)和上皮(r,范围−0.23至−0.71,均p < 0.001)之间存在显著相关性。SER300_35与间质和上皮的相关性最高(r分别为0.74和−0.71),从而确定了最佳SER。时间-r值曲线拟合的进一步分析提示合适的Tlt时间窗口约为150–300 s(所有|r| > 0.5)。相应地,当Tea = 35时相关性最高(所有|r| > 0.70),其次为Tea = 50(所有|r| > 0.55)和Tea = 25 s(所有|r| > 0.50)(图S3)。对于常规对比增强MRI扫描时间,SER150_50与间质和上皮的相关性最高(r分别为0.63和−0.58)。SER的观察者间一致性良好,所有ICC值均超过0.80(范围0.81–0.90)。

图2 训练集和验证集中SER与QHA的相关性矩阵。SER与QHA之间的Spearman相关系数测量了不同Tea和Tlt时间点间质比例(Stro%)和上皮比例(Epi%)(列(Tea)代表三个早期增强时间点,行(Tlt)代表晚期增强时间点)。SER,信号增强比;QHA,定量组织病理学分析。**表示p < 0.001 查看原图 ↗

组织定量的线性回归分析

为评估SER对组织定量的预测能力,进行了线性回归分析,模型开发结果总结于附录E2和表E3。在Bland-Altman分析中,偏倚和95%一致性界限(LA)表明,在训练集和验证集中使用最佳SER300_35模型对间质/上皮进行定量具有良好的准确性(所有平均偏倚均在±1%以内,95% LA在±20%以内)。此外,较低的标准误(均< 10%)提示较高的精确度(详见附表E4)。Pearson相关检验显示,在训练集和验证集中,SER300_35与QHA在间质定量方面(r = 0.79 vs. 0.71,均p < 0.001)和上皮定量方面(r = 0.76 vs. 0.63,均p < 0.001)均呈强相关(图3)。SER拟合的间质/上皮图的视觉示例见图4。

为验证SER在常规CE-MRI上的临床可推广性,构建了第二个回归模型(使用SER150_50),并在内部测试集和两个外部测试集中进行了测试。Bland-Altman图同样显示,在全部三个测试集中,SER150_50与QHA测量值之间的偏倚较小,平均偏倚约为±4%,95% LA在±25%以内(详见附表E4)。Pearson相关检验显示,三个测试集中呈中等相关性,间质(r = 0.60 vs. 0.52 vs. 0.60,均p < 0.001)和上皮(r = 0.52 vs. 0.49 vs. 0.52,均p < 0.001)(图3)。

图3 间质和上皮的Bland-Altman图及Pearson相关图。a–d分别显示在训练集和验证集中使用SER300_35和QHA定量的间质和上皮的一致性。e–h分别显示在内部测试集和两个外部测试集中使用SER150_50和QHA定量的间质和上皮的一致性。Bland-Altman图展示平均偏倚(粗线)和95%一致性界限(虚线)。SER,信号增强比;QHA,定量组织病理学分析。**表示p < 0.001 查看原图 ↗
图4 用于表征PDAC中间质和上皮的SER拟合图。a–c分别显示三个代表性肿瘤,间质(上皮)比例分别为低(高)(a)、中等(中等)(b)和高(低)(c)。SER拟合的间质和上皮图提供了对PDAC中间质和上皮比例的直接可视化评估。SER,信号增强比;WSIs,全切片图像;QHA,定量组织病理学分析;Stro,间质;Epi,上皮 查看原图 ↗

预后意义的单因素和多因素分析

在联合训练集和验证集中进行了单因素和多因素Cox回归分析。经组织学分级、病理T和N分期及切缘调整后,SER300_35预测的间质比例二分类标志物是OS的独立预测因子(截断值=60%,低 vs. 高,HR=1.84,95%CI:1.17–2.91,p=0.009)(表2)。SER300_35预测的间质比例连续型标志物也获得了类似结果(HR=0.98(0.96–1.00),p=0.019)(表E5)。

Kaplan–Meier曲线显示,SER300_35预测的间质比例可区分两个患者亚组之间显著不同的OS期(中位OS:低10.1 vs. 高20.3个月,HR=2.08(1.30–3.32),p=0.002)。值得注意的是,这些发现与通过QHA获得的结果相当(低10.7 vs. 高22.8个月,HR=2.06(1.30–3.26),p=0.002)。在三个联合测试数据集中,SER150_50预测的间质比例也观察到类似发现(低15.3 vs. 高20.6个月,HR=1.73(1.25–2.41),p=0.001),与QHA相当(低15.0 vs. 高21.9个月,HR=1.72(1.23–2.41),p=0.002)(图5)。

表2 联合训练集和验证集中OS的单因素和多因素Cox回归分析 查看原表 ↗
图5 通过QHA和SER定量的间质的预后价值。根据通过QHA(a)和SER300_35(b)定量的间质比例,在训练集和验证集中绘制的总生存期(OS)Kaplan–Meier曲线,以及根据QHA(c)和SER150_50(d)定量的间质比例,在内部和两个外部测试集中绘制的OS Kaplan–Meier曲线。Kaplan–Meier曲线显示,低间质比例与PDAC中更差的OS显著相关。QHA,定量组织病理学分析;SER,信号增强比;Stro,间质 查看原图 ↗

讨论

肿瘤组织组成的表征已显示出在PDAC中增强患者分层和治疗方面的前景[3, 4, 21]。在本研究中,观察到PDAC中SER与QHA测量的间质/上皮之间存在显著相关性。SER的高观察者间可重复性,结合其在三个不同中心与QHA在组织定量中表现出的的一致性,增强了其作为表征PDAC组织组成的潜在影像生物标志物的可靠性和可推广性。此外,我们的分析表明,SER预测的低间质比例在训练集和验证集中与更差的OS独立相关,并且这种关联在三个联合测试数据集中保持了显著的预后价值。这些发现强调了SER在PDAC组织表征和预后分层中的潜力。

定量组织病理学特征的视觉评估容易受到观察者间变异性的影响,因此我们开发了用于QHA的深度学习算法。与既往研究[9, 17]相比,我们的分割模型在相对较大的多中心数据集中表现出相当的性能。此外,通过QHA测量的间质比例与既往使用免疫组织化学染色的研究[22, 23]一致,表明我们的分割模型具有良好的准确性。

为探究磁敏感加权成像(SER)用于组织表征的最佳时间点,本研究采用了16期动态对比增强磁共振成像(DCE-MRI),与传统对比增强磁共振成像(CE-MRI)相比,其为胰腺导管腺癌(PDAC)表征提供了更宽的注射后时间窗口。我们的研究揭示,使用SER的最佳组织表征可能通过结合Tea = 35和Tlt = 300 s来实现。这些发现与既往研究一致,后者已证实PDAC呈现缓慢渐进的强化模式,而胰腺实质期(PPP)为PDAC检测提供了最大对比度[13, 19]。

多期CE-MRI的SER可提供再分布速率常数的半定量近似值[15, 18]。SER与定量组织学分析(QHA)之间的相关性可能通过不同组织的对比剂浓度差异来解释。具体而言,由致密纤维化组织构成的间质增加了对比剂的分布容积。相反,钆无法渗透上皮内完整的细胞膜[14]。

据我们所知,这是首项研究SER作为量化PDAC组织成分的潜在影像生物标志物的研究。为评估SER的预测能力,我们利用最佳SER300_35开发了首个线性回归模型。我们的结果表明,由SER300_35预测的间质/上皮比例与QHA测量值表现出高度一致性,从而支持了SER用于组织定量的有效性。此外,考虑到SER可能受不同扫描系统的影响[18],我们使用来自三个不同中心的传统CE-MRI数据进行了额外验证。尽管传统CE-MRI[24–26]未常规采集最佳时间点,但由SER150_50预测的间质/上皮比例仍与QHA测量值表现出良好一致性。这一发现进一步强调了SER在临床实践中用于组织定量的适用性和普遍性。

大多数研究表明,间质比例低的PDAC往往表现出更差的组织学分级和更差的预后[8–10, 27, 28],这与我们的发现一致。然而,文献中存在相互矛盾的证据,提示低间质比例预示更长的生存期[23, 29]。这一矛盾可部分归因于样本量小和间质量化方法差异的局限性。值得注意的是,相互矛盾的研究主要依赖于主观和随机区域评估,或仅评估最严重区域的间质,由于PDAC的空间异质性[30],这两种方法均无法充分代表整个肿瘤。相比之下,QHA能够以客观和标准化的方法分析多中心队列中的全切片图像(WSI)。我们的结果表明,SER预测的间质比例在患者分层方面达到了与QHA相当的性能。此外,经多因素分析,SER预测的间质比例在训练集和验证集中仍为独立预测因子,并在三个测试集中展现出显著的预后价值。这些发现可能对PDAC的管理具有重要意义。

局限性

我们承认本研究存在若干局限性。首先,回顾性设计在患者选择方面引入了潜在偏倚。其次,在分离训练集、验证集以及内部和外部测试数据集后,样本量相对较小。第三,研究的回顾性性质使我们无法在全切片图像(WSIs)与MRI数据之间进行空间配准。此外,未来研究应以前瞻性队列开展,最好在多中心环境中进行。

结论

总之,我们的研究表明,多期增强MRI(CE-MRI)的SER是胰腺导管腺癌(PDAC)组织成分表征和预后分层的潜在影像生物标志物。

补充信息

电子补充材料

引用

  1. Xia C, Qu JR, Jiao YP, et al. Signal enhancement ratio of multi-phase contrast-enhanced MRI: an imaging biomarker for survival in pancreatic adenocarcinoma. Eur Radiol. 2024. PMID: 38750169. doi:10.1007/s00330-024-10746-z
  2. 全文:PMC11519106(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519106/

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。