IPMN成像进展:深度学习增强HASTE序列改善病灶评估
该回顾性研究纳入59例IPMN患者,在3T磁共振上比较深度学习加速HASTE(HASTEDL)与标准HASTE(HASTES)序列。HASTEDL整体图像质量更高、IPMN显示更清晰、最小可检测囊肿更小(4.17 mm vs 5.51 mm),且扫描时间显著缩短。
要点
- HASTEDL较HASTES显著提高IPMN显示清晰度、胰管相通及复杂征象(壁结节、分隔、胰管扩张)的显示。
- HASTEDL最小可检测囊肿尺寸为4.17 mm,小于HASTES的5.51 mm(p<0.001)。
- HASTEDL整体图像质量评分3.90,高于HASTES的3.24(p<0.001),且扫描时间显著缩短。
核心结论
- HASTEDL在IPMN成像中提供优于HASTES的图像质量和显著缩短的扫描时间,可改善IPMN的检测与评估。
研究设计与样本
- 回顾性研究,纳入2023年5月1日至2023年12月31日行腹部MRI的59例IPMN患者,在3T扫描仪(MAGNETOM Skyra和Vida;Siemens Healthcare)上采集HASTEDL与HASTES序列,两名腹部影像经验超过5年的放射科医师独立评估。
关键影像表现/征象
- HASTEDL整体图像质量评分3.90±0.29,HASTES为3.24±0.43(p<0.001)。
- HASTEDL清晰度评分3.98±0.09,HASTES为3.05±0.25(p<0.001);对比度评分HASTEDL 3.97±0.15,HASTES 3.27±0.52(p=0.112)。
- HASTEDL伪影评分3.5±0.56,HASTES为3.28±0.55(p=0.0019)。
- HASTEDL显示IPMN与主胰管相通者为71.2%,HASTES为52.5%(p<0.001)。
- 复杂征象(胰管扩张、分隔、壁结节)显示评分HASTEDL 1.94±0.99,HASTES 1.69±0.79(p<0.001);胰周淋巴结显示评分HASTEDL 2.77±0.54,HASTES 1.87±0.59(p<0.001)。
诊断标准与关键数值
- 最小可检测囊肿尺寸HASTEDL为4.17 mm±3.00,HASTES为5.51 mm±4.75(p<0.001)。
- IPMN可检测性评分HASTEDL为3.84±0.33,HASTES为3.47±0.56(p<0.001)。
- 读者间一致性HASTEDL的κ为0.936,HASTES为0.885;HASTES中胰管相通显示一致性最高(κ 0.966)。
- 图像质量、清晰度、对比度、伪影及病灶特征均采用1–4分Likert量表评分(1=不可检测,2=显示差,3=显示好,4=显示极好)。
临床应用与阅片要点
- HASTEDL可提高IPMN与胰管相通的显示率,有助于鉴别IPMN与浆液性囊性肿瘤(SCN)。
- HASTEDL改善分隔、囊壁增厚、壁结节及胰周淋巴结等「担忧特征」的显示,可能有助于风险分层。
- HASTEDL使用4 mm层厚,HASTES使用5 mm层厚,更薄层厚可能独立于DL重建改善病灶显示。
局限性
- 样本量相对较小。
- 仅纳入两名读者。
- 单一供应商、单中心设计限制研究结果的普遍性。
- HASTEDL使用4 mm层厚而HASTES使用5 mm层厚,是潜在的偏倚和混杂因素,更薄层厚可能独立于DL重建改善病灶显示和空间分辨率。
- 仅纳入3T扫描仪,HASTEDL在1.5T扫描仪上的IPMN成像性能尚未确定。
全文中译12 节 · 点击展开
引言
无症状胰腺囊肿的患病率估计为8% [1]。然而,由于横断面成像的广泛应用和图像质量的持续提升,近几十年来偶然发现的胰腺囊肿检出率急剧上升。高达44.7%的磁共振胰胆管成像(MRCP)扫描可发现胰腺囊性病变 [2]。其中,导管内乳头状黏液性肿瘤(IPMN)尤为常见。IPMN根据影像学和/或组织学可分为三种类型:主胰管型IPMN(MD-IPMN)、分支胰管型IPMN(BD-IPMN)和混合型 [3]。偶然发现的囊肿中约80%被归类为BD-IPMN [4, 5]。尽管所有IPMN亚型均具有恶变风险,但以MD-IPMN最为显著,恶变率高达70% [6, 7]。风险分层基于“高危标志征象”和“令人担忧的特征”。虽然“高危特征”强烈提示恶性(如梗阻性黄疸、大结节),但“令人担忧的特征”是引起关注但不够确定的指标。除碳水化合物抗原(CA)19-9水平升高外,所有“令人担忧的特征”均依赖影像学表现。这些包括囊肿大小≥ 3 cm、强化壁结节、增厚的强化囊壁、主胰管(MPD)直径、MPD管径突然变化伴远端胰腺萎缩、淋巴结肿大,以及囊肿2年内增长> 5 mm或每年增长2.5 mm [8–14]。
近年来BD-IPMN的管理策略不断演变,从早期手术干预转向更为谨慎、以观察为中心的方法 [15]。目前,监测间隔和持续时间仍是争论的话题 [16]。日本研究强调即使小于5 mm的BD-IPMN也存在胰腺癌风险 [17]。因此,近期的京都指南建议终身监测 [16]。监测决策,尤其是对老年患者,应综合考虑患者的健康状况、合并症、预期寿命和偏好以平衡风险 [16]。
BD-IPMN的高患病率以及影像学在分类和随访中的核心作用,凸显了对快速精准成像的需求。为此,本研究旨在评估深度学习半傅里叶单次激发快速自旋回波(HASTEDL)序列与标准HASTE(HASTES)序列在3T-MRI上对BD-IPMN的定性和定量效能。
材料与方法
研究设计与患者人群
本研究经机构审查委员会批准(内部注册号:EA4/195/24),并遵循《赫尔辛基宣言》所述原则。伦理委员会豁免了患者知情同意。回顾性纳入2023年5月1日至2023年12月31日期间接受腹部MRI检查且发现IPMN的患者。纳入标准包括年龄超过18岁且确认存在IPMN。若仅有单一MRI序列(HASTEDL或HASTES)而非两者均具备,则排除该患者。
图像采集
所有检查均在临床3特斯拉(3-T)扫描仪(MAGNETOM Skyra和Vida;Siemens Healthcare)上进行,患者取仰卧位,使用18通道体部相控阵线圈和32通道脊柱相控阵线圈。每位患者的MR成像方案包括常规轴位T2加权HASTES和HASTEDL序列,轴位方向单次屏气采集。详细序列参数见表1。
HASTEDL图像重建
本研究使用的基于深度学习(DL)重建的HASTE序列是一种研究工具。它采用了先前描述的改良脉冲序列和重建算法[18, 19]。它使用规则的k空间采样方案,类似于并行成像,通过单独的校准数据采集生成线圈灵敏度图。为尽量减少短重复时间(TR)采集期间的层间串扰,连续线之间的层增量设置为四。此外,在回波链内对聚焦脉冲实施可变翻转角演化。DL重建基于变分网络,该网络处理欠采样k空间数据以及预先计算的线圈灵敏度图。这种迭代方法在基于并行图像的数据一致性更新和基于分层神经网络的图像增强之间交替进行。该网络以监督方式离线训练,使用了约10,000个层面数据,来自根据当地IRB指南提供书面知情同意的志愿者。所得网络参数随后由Siemens Healthineers导出并整合到扫描仪的前瞻性重建流程中。
图像分析
MRI图像由两名在腹部成像方面具有5年以上经验的放射科医师(F.P.和J.K.)使用图像归档和通信系统(PACS)阅片工作站进行评估。每个序列独立评估,间隔一个月,以防止潜在的回忆偏倚。
定量和定性分析
定量图像分析评估最小可检测IPMN直径和病灶对比度。可识别为IPMN的最小可检测囊性胰腺病灶以mm为单位测量。胰腺实质与最大 identified 病灶之间的图像对比度通过在最大检测病灶内及相邻健康胰腺组织内放置圆形感兴趣区进行评估。
定性分析检查一般序列特征,如图像质量、锐利度、对比度和伪影,以及IPMN特异性因素,如 conspicuousness、复杂特征(扩张的MPD、壁结节和分隔)的识别以及胰周淋巴结的检测。所有这些特征均按1至4分评分(1=不可检测,2=可检测性差,3=可检测性好,4=可检测性极好)。囊肿与MPD交通的可视化评定为可检测或不可检测。
统计学
正态分布变量以中位数 ± 标准差(SD)表示,非正态分布数据以中位数伴四分位距(IQR)表示,分类变量以频率(百分比)表示。采用带连续性校正的配对Wilcoxon符号秩检验比较最小可检测病灶大小及实质与病灶之间的对比度。采用卡方检验比较定性分析结果。读者间一致性采用Cohen kappa系数(κ)评估。统计学显著性设定为p < 0.05。统计分析使用SPSS软件29.0版本进行。
结果
研究人群
2024年5月至12月期间共获得341例包含HASTEDL序列的腹部MRI检查。其中,76例患者被鉴定为IPMN。其中59例接受了MRI检查,包括两种HASTE序列(图1)。这59例个体(n = 26女性;n = 33男性)符合纳入标准并被纳入。患者平均年龄为67 ± 11.62岁。平均身高为172.10 ± 10.48 cm,平均体重为72.0(64.0–82.5)kg,由此得出的平均体重指数(BMI)为24.12(22.28–27.05)kg/m²。在大多数病例中(67.8%即40例患者),IPMN为偶然发现。19例患者作为既往确诊IPMN常规随访的一部分接受了检查(表2)。
读者间信度
两位放射科医师对HASTEDL的读者间一致性为优(к 0.936),其中病灶显著性(к 0.949)和导管连接可见性(к 0.983)的一致性尤其高。HASTES的读者间一致性为良至优(к 0.885),其中导管连接可见性的一致性最高(к 0.966)。
图像质量
HASTEDL的总体图像质量最高,中位评分为3.90 ± 0.29,而HASTES的评分为3.24 ± 0.43(p < 0.001)。此外,HASTEDL在锐利度和对比度方面获得了最高评分,分别为3.98 ± 0.09和3.97 ± 0.15,而HASTES分别为3.05 ± 0.25和3.27 ± 0.52(p < 0.001和p = 0.112)。HASTEDL的伪影评分为3.5 ± 0.56,而HASTES为3.28 ± 0.55(p = 0.0019)。这些结果汇总于表3。
病灶的可检测性与特征描述
在59例入组患者中,32例为多发性IPMN。有1例MD-IPMN和2例混合型,其余均为BD-IPMN。两种序列对IPMN的可检测性评分均为良好至优秀,HASTEDL评分显著高于HASTES(平均评分:3.84 ± 0.33 vs. 3.47 ± 0.56;p < 0.001)。HASTES检出IPMN与MPD的交通为52.5%,HASTEDL为71.2%(p < 0.001)。复杂特征(如MPD扩张、壁结节和分隔)在59例患者中的27例被检出。HASTEDL对复杂特征的可视化优于HASTES(平均评分:1.94 ± 0.99 vs. 1.69 ± 0.79;p < 0.001)。病灶内分隔是最常见的复杂特征,在20/59(33.9%)例中被识别。同样,HASTEDL对淋巴结的检出优于HASTES(平均评分:2.77 ± 0.54 vs. 1.87 ± 0.59;p < 0.001)。有4例患者(6.77%)未检出淋巴结。定量评估显示,HASTEDL与HASTES在最小可检测囊性病灶大小方面存在显著差异(Ld_min = 4.17 mm ± 3.00 mm vs. Ld_min = 5.51 mm ± 4.75,p < 0.001)。HASTEDL的对比度测量也优于HASTES(p < 0.001)。数据总结于表4,图2和图3–5提供了HASTEDL与HASTES之间的示例性比较。
讨论
本研究旨在评估深度学习加速HASTE序列(HASTEDL)用于3-T成像检测IPMN的可行性,并与临床使用的传统HASTE(HASTES)序列进行比较。与HSATES相比,HASTEDL显示出更优的图像质量,对临床相关病灶特征的检出增强,且对小IPMN的可视化得到改善。
本研究使用的典型HASTEDL已在既往研究[14, 20, 21]中针对腹部和肝脏成像进行了评估。HASTEDL的扫描时间显著更短,并显示出极佳的图像质量,仅略逊于T2加权k空间数据块采集序列(BLADE)[14]。扫描时间更短的一个固有优势是减少运动伪影,这对于难以配合屏息的患者尤为有用[20, 21]。近期发表的两项研究探讨了HASTEDL在胰腺成像中的表现[22, 23]。在这两项研究中,HASTEDL在定性和定量指标上均优于BLADE和HASTES,在病灶显示清晰度、运动伪影减少、主胰管(MPD)显示改善、整体图像质量方面获得更高评分,同时减少了阅片者内部在病灶大小测量上的变异性[22, 23]。
迄今为止,尚无研究专门评估HASTEDL在成像IPMN方面的效用,特别是关于临床显著(“令人担忧”)特征方面,而这些特征对于这些病变的影像学随访至关重要[24]。目前针对IPMN初步表征的成像建议包括:屏息二维或三维轴位同相位和反相位T1加权梯度回波(GRE)、轴位和冠状位半傅里叶单次激发快速自旋回波(FSE)屏息T2加权、重度T2加权二维和/或三维MRCP,以及静脉注射钆螯合物对比剂前后进行的屏息或呼吸导航动态三维脂肪抑制T1加权扰相梯度回波(GRE)。多项研究表明,更短的方案对于随访成像同样足够[25–27]。基于这些观察,除了明确的次要获益如缩短检查时间、降低对比剂相关并发症风险和财务成本外,多个学会已就随访成像采用缩短方案的建议达成一致[28, 29]。
然而,大多数胰腺囊肿以及因此的IPMN,都是在临床指征下的横断面成像中偶然发现的[2],这使得初始评估更具挑战性,因为典型的腹部成像方案可能并不总是包含所有推荐的序列,但通常包括常规HASTE序列。我们的研究表明,使用HASTEDL可以通过提供高分辨率、高对比度且运动伪影减少的成像,改善对偶然发现的IPMN的风险分层。进而提高分隔、增厚的囊壁、壁结节和胰周淋巴结的可见性。这些发现中的每一项都可能代表“令人担忧的特征”,并可能需要进一步检查以做出充分决策[8–13]。此外,HASTEDL在显示与胰管相通方面优于HASTES,而这是有助于区分IPMN与浆液性囊性肿瘤(SCN)的重要成像特征[30]。虽然更高的MRI场强与更好的解剖结构显示相关,但也会增加伪影的可能性[31]。值得注意的是,在我们的研究中,未观察到影响诊断可靠性的伪影。除上述诊断优势外,HASTEDL还显著缩短扫描时间并提高信噪比(SNR),这是相对于HASTES的明显优势,因为HASTES存在已知局限性,如SNR以及因回波链延长导致的模糊。本研究使用的DL算法显著改善了HASTES的固有局限性,并能够更精确地评估IPMN的复杂特征,同时也带来了更高的阅片者间一致性。
我们的研究有几项局限性。首先,尽管我们研究的是老年患者群体,他们面临更大挑战且可能从更快的采集时间中显著获益,但我们的样本量相对较小。此外,仅纳入两名阅片者以及单供应商、单中心设计限制了我们的研究结果的普适性。HASTEDL(4 mm)和HASTES(5 mm)使用不同层厚是我们研究中的潜在偏倚和混杂因素。较薄的层厚可能本身就能改善病灶可见性和空间分辨率,而不依赖于DL重建的影响。另一个局限性是我们的研究仅纳入了3-T扫描仪;因此,HASTEDL在1.5-T扫描仪上进行IPMN成像的性能仍尚未确定。
总之,我们的结果表明,与HASTES相比,HASTEDL通过提供更高的图像质量以及显著缩短的扫描时间,在IPMN检测和评估中具有临床可行性。鉴于被诊断为IPMN的患者群体不断增长,以及需要MRI成像对这些病灶进行分类和随访,HASTEDL有助于改善成像的可及性和病灶特征描述。
引用
- Kolck J, Pivetta F, Hosse C, et al. Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment. Eur Radiol. 2025. PMID: 40691513. doi:10.1007/s00330-025-11857-x
- 全文:PMC12712008(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12712008/
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。