張怡帆，徐珊珊，吳錦，陸曉寧，湯盛楠，何健

(南京大學醫(yī)學院附屬鼓樓醫(yī)院 核醫(yī)學科，江蘇 南京 210008)

胰腺囊性腫瘤(pancreatic cystic neoplasm，PCN)占胰腺囊性病變的10%～15%[1]，相對較為少見，但近年來PCN的檢出率逐步提高，不少患者接受常規(guī)影像檢查時偶然發(fā)現(xiàn)患有PCN。漿液性囊腺瘤(serous cystadenoma, SCN)與黏液性囊腺瘤(mucinous cystadenoma, MCN)分別約占胰腺切除囊性病變的16%及23%[2]。SCN是良性腫瘤，極少惡變，通常無須手術(shù)治療[3]；而MCN具有惡性潛能，臨床指南建議手術(shù)切除[4-5]鑒于兩組疾病的不同生物學行為及治療原則，術(shù)前鑒別顯得尤為重要。

本研究的目的是評估CT紋理分析鑒別胰腺SCN與MCN的表現(xiàn)及可行性，為臨床決策提供重要參考。

1 資料與方法

1.1 一般資料

本研究經(jīng)本院倫理委員會批準，并且免除了患者的知情同意?；仡櫺苑治?017年1月至2020年10月在本院接受治愈性切除術(shù)的SCN或MCN患者共131例的資料。納入標準：(1) 術(shù)后病理診斷為SCN或MCN；(2) CT檢查和手術(shù)前均未接受任何形式的相關(guān)治療；(3) 有完整的一般臨床資料。排除標準：(1) 術(shù)前3周內(nèi)未接受CT增強掃描；(2) 術(shù)前CT增強掃描靜脈期無薄層圖像(層厚=2.5 mm)；(3) CT圖像存在嚴重的偽影。最終，共納入了75例患者，其中SCN 46例，MCN 29例。

收集患者的一般臨床信息及術(shù)前CT影像學診斷結(jié)果，以術(shù)后病理診斷結(jié)果為標準，分析術(shù)前CT影像診斷結(jié)果的正確診斷率、模糊診斷率(模糊診斷為胰腺囊腫、胰腺囊腺瘤、胰腺囊性占位)和誤診率。結(jié)果顯示，SCN與MCN的術(shù)前CT正確診斷率分別為10.86%和17.24%，模糊診斷率分別為69.58%和72.41%，誤診率分別為19.56%和10.35%。

1.2 CT檢查參數(shù)

CT檢查前禁食8 h并對患者進行呼吸訓練，患者均取仰臥位。采用64排多層螺旋CT掃描儀(GE Light speed VCT；GE Discovery CT750HD)進行掃描，掃描范圍覆蓋上腹部或全腹部。掃描參數(shù)：管電壓120 kV，管電流250～350 mAs，層厚5 mm，層間距5 mm，視野35～50 cm，矩陣512×512，旋轉(zhuǎn)時間0.7 s，螺距1.375。行CT平掃后，用高壓注射器以3.5 ml·s-1的流速靜脈注射碘對比劑omnipaque 1.5 ml·kg-1(Medrad Stellant CT注射器系統(tǒng)；Medrad，印第安納州，美國)。對比劑注射同時開始計時，分別間隔30、60、180 s采集動脈期、靜脈期及延遲期3期動態(tài)增強圖像，靜脈期重建為2.5 mm層厚。患者均無過敏及不良反應(yīng)。

1.3 CT影像學特征分析

CT圖像通過影像存檔和通信系統(tǒng)(PACS)傳輸?shù)结t(yī)生工作站后，由2名具有豐富腹部閱片經(jīng)驗的放射科醫(yī)師(分別有6年和10年的腹部影像學閱片經(jīng)驗)評估以下特征：(1) 腫瘤位置(頭頸部、體尾部或彌漫分布)；(2) 腫瘤大小(腫瘤橫斷面最大直徑)；(3) 病灶CT值(平掃CT測量)；(4) 鈣化(平掃CT評估，無鈣化、中央鈣化、邊緣鈣化或彌漫性鈣化)；(5) 囊壁厚度(靜脈期評估，薄壁或厚壁，囊壁>0.2 cm定義為厚壁)[13]；(6) 附壁結(jié)節(jié)(靜脈期評估，有或無)；(7) 囊壁強化(靜脈期評估，有或無)；(8) 病灶輪廓(類圓形或分葉狀)；(9) 囊腔數(shù)目(靜脈期評估，單囊或多囊，囊內(nèi)見纖維分隔且囊腔數(shù)目≥2個為多囊)；(10) 胰體尾萎縮(病灶上游胰腺實質(zhì)體積縮小)；(11) 胰管擴張(有或無，胰頭主胰管直徑>0.3 cm、胰體尾主胰管直徑>0.2 cm定義為胰管擴張)[13]。2名放射科醫(yī)師均對患者的臨床病理信息不知情，患者按隨機順序進行排列。若評估結(jié)果不一致，由2名評估者協(xié)商決定，定量指標取平均值進行統(tǒng)計學分析。

1.4 CT紋理特征提取與分析

1.5 統(tǒng)計學處理

2 結(jié) 果

2.1 PCN患者一般資料及CT影像學特征比較

MCN患者的糖尿病患病率高于SCN患者(P=0.005)，其他兩者一般資料差異均無統(tǒng)計學意義(P>0.05),見表1。在腫瘤特征性表現(xiàn)上SCN病灶CT值較MCN高(P=0.001)，SCN與MCN的鈣化表現(xiàn)及囊腔數(shù)目差異均有統(tǒng)計學意義(P<0.05),見表2。SCN與MCN的影像學表現(xiàn)及分割ROI情況見圖1。

表1 SCN患者與MCN患者一般資料比較Tab 1 Preoperative clinical characteristics of the patients with SCN and MCN

A. 男，34歲，MCN患者，靜脈期CT橫斷位可見胰腺體尾部多囊性腫塊，纖維分隔及囊壁輕度強化；B. 男，48歲，SCN患者，靜脈期CT橫斷位胰腺體部多囊性病灶，邊緣輪廓呈分葉狀，其內(nèi)見中度強化纖維分隔；C～D. 深度學習網(wǎng)絡(luò)分割的ROI；E～F. 放射科醫(yī)師校正后的ROI；J～K. 每一層面ROI 經(jīng)重建后獲得腫瘤的 VOI圖1 MCN和SCN CT影像學特征A. Male, 34 years, MCN. Axial venous phase CT shows a mult cystic mass in the pancreatic body and tail, and the fibrous septa and cyst wall are weak enhancement. B. Male, 48 years, SCN. Axial venous phase CT shows a lobulated, mult cystic lesion in the pancreatic body and the fibrous septa enhances midly. D.ROI segmented by deep learn network. F. ROI modified by a radiologist. K. VOI is formed around the lesion from all slices of ROIFig 1 CT images based on venous phase of MCN and SCN

表2 SCN患者與MCN患者術(shù)前CT影像學特征比較Tab 2 Preoperative CT radiological characteristics of the patients with SCN and MCN

2.2 臨床資料及CT影像學特征的多因素分析

將單因素分析P<0.1的臨床影像學特征參數(shù)納入多因素Logistic回歸分析并構(gòu)建臨床影像學特征模型，結(jié)果顯示糖尿病史(OR=20.508,95%CI為1.302～322.942,P=0.032)、AST(OR=1.15,95%CI為1.023～1.292,P=0.019)、病灶CT值(OR=0.823，95%CI為0.724～0.936,P=0.003)及囊腔數(shù)目(OR=0.063，95%CI為0.008～0.462，P=0.007)是鑒別SCN與MCN的重要因素。

2.3 CT紋理特征的篩選與多因素分析

通過LASSO降維篩選出9個紋理特征(圖2)。9個紋理特征分別為來自灰度共生矩陣(GLCM)的集群陰影(glcm_ClusterShade)、反差矩(glcm_Imc2)、反差矩歸一化(glcm_Idmn)、逆差歸一化(glcm_Idn)，來自灰度大小區(qū)域矩陣(GLSZM)的大面積低灰度強調(diào)(glszm_LargeAreaLowGrayLevelEmphasis)、小面積強調(diào)(glszm_SmallAreaEmphasis)、區(qū)域百分比(glszm_ZonePercentage)以及來自灰度依賴矩陣(GLDM)的依賴熵(glszm_ZonePercentage)以及小依賴性低灰度強調(diào)(gldm_SmallDependenceLowGrayLevelEmphasis)。以上9個紋理特征參數(shù)均顯示較好的觀察者間一致性(ICC為0.762～0.891)。

A. 左邊虛線所示即為最佳λ值，與篩選出的特征數(shù)量相對應(yīng)；B. 所有特征的LASSO系數(shù)曲線,特征系數(shù)隨著最終選擇的特征數(shù)量而變化圖2 LASSO回歸篩選CT紋理特征的過程A. The left dotted vertical line is drawn at the optimal value of lambda, corresponding to the number of selected features; B. LASSO coefficient profiles for all features: coefficients of features changes with the final selection of different numbers of featuresFig 2 Feature selection for the LASSO algorithm

將以上9個紋理特征納入多因素Logistic回歸分析并構(gòu)建CT紋理特征模型，多因素分析結(jié)果表示反差矩歸一化(OR=1.320,95%CI為1.128～1.544,P<0.001)、小面積強調(diào)(OR=0.970,95%CI為0.949～0.990,P=0.005)、區(qū)域百分比(OR=1.036,95%CI為1.010～1.062,P=0.007)、依賴性熵(OR=0.995,95%CI為0.991～0.998,P=0.003)及小依賴性低灰度強調(diào)(OR=1.507,95%CI為1.028～2.208,P=0.035)是SCN與MCN的重要鑒別因素。

2.4 各模型的診斷效能比較

在ROC曲線分析(表3、圖3)中臨床影像學特征模型的AUC為0.814，靈敏度及特異度分別為79.31%和80.43%；CT紋理特征模型的AUC為0.866，靈敏度和特異度分別為72.41%和89.13%;結(jié)合臨床影像學特征及CT紋理特征構(gòu)建的綜合模型的AUC為0.938，靈敏度及特異度分別為93.10%和84.78%。

表3 臨床影像學特征、CT紋理特征及3種模型的ROC曲線分析Tab 3 ROC curves analysis of the clinical radiological feature, CT textural feature and the 3 models

A. 病灶CT值、囊腔數(shù)目、糖尿病史、AST的ROC曲線； B. 臨床影像學特征模型、CT紋理特征模型、綜合模型的ROC曲線圖3 臨床影像學特征和3種模型的ROC曲線分析A. ROC curves of CT value of tumor, the number of cysts, diabetes and AST. B. ROC curves of clinical radiological feature model, CT textural feature model and combined modelFig 3 ROC curves of the clinical radiological features and 3 models

3 討 論

本研究提取68個CT紋理特征，并通過LASSO算法及多因素分析篩選出5個特征。反差矩歸一化反映圖像的均勻性[20]；區(qū)域百分比表示圖像紋理的粗糙程度；小依賴性低灰度強調(diào)測量具有較低灰度值的小相關(guān)性聯(lián)合分布，低灰度值在圖像中的集中程度越高，異質(zhì)性越強[21]；小面積強調(diào)是小尺寸區(qū)域分布的量度；依賴性熵強調(diào)區(qū)域的復雜程度。反差矩歸一化、區(qū)域百分比及小依賴性低灰度強調(diào)均與MCN呈正關(guān)聯(lián)，推測可能與MCN囊液中含有黏稠的黏液樣物質(zhì)有關(guān)，而SCN囊液較清亮[22]。小面積強調(diào)和依賴性熵與MCN呈負關(guān)聯(lián)，推測與SCN瘤體中除囊液外還含有纖維瘢痕、分隔、鈣化等成分有關(guān)。

一般來說，組織的異質(zhì)性是由多個紋理參數(shù)共同表征的，單個紋理參數(shù)不能完整顯示病變的總體特征[23]，綜合以上5個CT紋理特征值建立的模型能夠較好地鑒別SCN與MCN。目前也有其他研究證實了紋理分析可用于鑒別SCN與MCN。Yang等[17]研究中CT紋理特征模型訓練組及驗證組鑒別SCN與MCN的AUC分別為0.73及0.70，略低于本研究。王波濤等[22]研究了MRI紋理分析診斷SCN與MCN的價值，其研究紋理特征的AUC為0.879。但CT檢查相比MRI檢查更為經(jīng)濟，在我國也更加廣泛地用于PCN患者的檢出和隨診[8]。因此CT紋理分析具有相對較高的臨床應(yīng)用價值。另外，相對于以往紋理分析研究多采用手動分割的方法，本研究采用前沿深度學習網(wǎng)絡(luò)分割，并在深度學習網(wǎng)絡(luò)中引入目標幾何信息，有助于獲得更好的分割邊界，并減少了主觀性的影響[14]，使本研究所建立的CT紋理特征模型具有良好的穩(wěn)定性。

本研究將腫瘤囊腔數(shù)目、病灶CT值等臨床影像學特征納入分析，綜合模型的AUC為0.938，診斷性能進一步提高。本研究SCN的CT值與囊腔數(shù)目均高于MCN，推測可能與SCN瘤體內(nèi)有較為致密的透明變組織構(gòu)成星芒狀纖維瘢痕，腫瘤囊壁與分隔有豐富纖維組織及小血管增生有關(guān)[24]。糖尿病、黃疸是PCN惡變的危險因素[25]。MCN患者AST較高可能與腫瘤壓迫引起黃疸有關(guān)。由此可見，臨床及影像學特征也可在一定程度上反映腫瘤的異質(zhì)性，因此聯(lián)合臨床及影像學特征的綜合模型具有最佳診斷性能。Yang等[16]的另一項研究也表明,結(jié)合CT影像學特征與紋理特征對兩種疾病具有更好的鑒別能力。

本研究具有一定的局限性:首先，患者數(shù)量相對較少，未來需要更大樣本量來提供內(nèi)部驗證和外部驗證，為臨床應(yīng)用提供更大支持。第二，這是一項單中心的回顧性研究，選擇偏倚難以避免，研究結(jié)果的有效性還需要前瞻性研究的探索和證實。第三，本研究僅選取靜脈期圖像特征納入紋理分析，而以往研究證實，增強CT掃描動脈期和靜脈期可提供不同的圖像紋理信息，若將動脈期納入研究，將有望進一步提高診斷的準確性。

總的來說，本研究結(jié)果初步證實了術(shù)前增強CT掃描靜脈期圖像紋理特征有助于鑒別SCN和MCN。此外，CT紋理分析聯(lián)合CT臨床影像學特征可以提高鑒別診斷的性能，這可能成為判斷PCN患者是否需要手術(shù)干預的可靠方法。