摘要:目的:构建基于深度学习算法的胰腺癌计算机断层扫描(CT)自动分期系统,并探讨其应用价值。方法:回顾性分析我院2014年01月至2021年12月收治的286例胰腺癌患者的临床资料,均经CT检查且明确TNM分期,利用CT检查信息基于深度学习算法的胰腺癌CT自动分期系统。另选取2022年01月至2023年02月胰腺癌患者92例,均经CT检查,并利用上述系统进行TNM分期,分析该系统的准确性。结果:基于深度学习算法的胰腺癌CT自动分期系统共包括7个模块,可以实现胰腺癌TNM自动分期;92例患者中共有Ⅰ期12例、Ⅱ期31例、Ⅲ期36例、Ⅳ期13例,经基于深度学习算法的胰腺癌CT自动分期系统诊断共有Ⅰ期10例、Ⅱ期31例、Ⅲ期38例、Ⅳ期13例;该系统诊断胰腺癌TNM分期的灵敏度、特异度和准确度高,且与金标准高度一致(Kappa值=0.912,P<0.001)。结论:本研究构建了基于深度学习算法的胰腺癌CT自动分期系统,诊断价值高。
胰腺癌起源于胰腺导管上皮与腺泡细胞,恶性程度高、病情进展快、生存时间短。调查指出[1],胰腺癌发病率约为5/10万,在所有恶性肿瘤中占比约2%~2.5%, 死亡率高, 5年生存率不足8%。有研究[2]显示,Ⅲ-Ⅳ期是胰腺癌预后差的危险因素,因此对胰腺癌患者准确分期并针对治疗,对改善预后有重要意义。然而目前常用的TNM分期系统往往需要在术后明确,且需要配合术中观察和术后病理检查,有局限性[3]。计算机断层扫描(CT)图像的灰度可反映器官组织对X线的吸收程度,而病灶组织与周围正常组织的灰度不一,因此可在图像上读出病灶信息[4]。CT诊断胰腺癌图像清晰度高、诊断灵敏且准确[5]。尹伟等[6]研究证实CT可用于胰腺癌术前分期,然而利用CT对胰腺癌分期操作难度大、且准确性不理想。深度学习算法是人工神经网络研究的概念,是指学习样本数据的内在规律和表示层次,获得信息对应的影像特征,并根据该信息构建一个能够自动分析、诊断病情的系统[7,8,9]。有学者研究发现,深度学习算法可以实现胰腺分割及自动体积测量[10]。而胰腺癌不同分期的肿瘤大小、淋巴结转移情况及远处转移情况不同,CT影像也有差异,因此可以基于深度学习算法构建胰腺癌CT自动分期系统,但仍需进一步研究。鉴于此,本研究回顾性分析286例患者的资料构建基于深度学习算法的胰腺癌CT自动分期系统,并利用92例患者的分期结果验证该系统的可靠性。
1、资料与方法
1.1 一般资料
纳入标准:①均经病理学检查确诊为胰腺癌;②均实施CT检查;③均有完整的TNM分期结果;④本人和(或)家属对本研究知情同意。排除标准:①复发性胰腺癌患者;②其它部位原发性癌症转移至胰腺者;③CT检查结果不清晰或有漏项者;④依从性差者;⑤有沟通或认知障碍者。
回顾性分析医院2014年01月至2021年12月收治的286例 胰腺癌患者的临床资料, 男178例,女108例,年龄31~75岁,平均(60.55±11.03)岁,TNM分期:Ⅰ期38例、Ⅱ期96例、Ⅲ期111例、Ⅳ期41例,分化程度:未分化癌21例、低分化癌57例、中分化癌106例、高分化癌102例。另选取2022年01月至2023年02月胰腺癌患者92例,男58例,女34例,年龄30~78岁,平均(61.42±10.63)岁。本研究已经过医院伦理委员会批准(审批号:院准字2023年第010号)。
1.2 方法
CT检查:采用CT机(美国GE公司,GE Revolution 256排螺旋CT),首先对胰腺进行平扫,然后对动脉期、静脉期与实质期进行增强扫描。采用快速团注法,碘海醇对比剂90 mL,注射速率3 mL/s, 延迟时间:静脉期45 s、动脉期20 s、实质期80 s。扫描范围:自第一肝门至胰腺钩突下水平,层厚、螺距和间隔分别为2 mm、1 mm、2 mm。测定CT值,将图像上传至工作站,进行胰周血管重建和后处理,处理方法包括容积成像、最大密度投影与多平面重建等。
基于深度学习算法的胰腺癌CT自动分期系统的构建:技术路线:CT图像输入→CT图像标注数据库→图像预处理→最大肿瘤直径测量/淋巴结转移识别/远处转移识别→病灶特征提取→测量判断→输出,其中CT图像标注数据库用于存储512例胰腺癌患者的CT检查结果和分期诊断结果,CT检查结果包括最大肿瘤直径检测、淋巴结转移识别和远处转移识别;图像预处理模块是指对输入的图像进行降噪和增强处理;最大肿瘤直径测量需要首先利用判别模块判断肿瘤数目,筛选出最大肿瘤,然后测量其长径;淋巴结转移识别模块用于识别胰腺周围转移的淋巴结;远处转移模块用于识别远处转移的肿瘤;病灶特征提取用于提取不同分期的肿瘤特征,包括是否有毛刺装凸起、邻近结构受累、肿瘤与正常组织的密度差、肿瘤与正常组织的CT值差,进而形成胰腺癌分期特征的参数集合;测量判断模块是指将输入的CT图像信息进行特征提取后与上述数据库的参数集合进行比对,匹配后得出最大肿瘤直径、淋巴结转移与远处转移识别情况,输出是指根据上述结果与病理检查结果进行比对,在输入的CT图像上自动显示最大肿瘤直径、淋巴结转移、远处转移情况,最终可在图像上自动显示TNM分期结果。 另外输入CT图像后可进入卷积层 1、池化层1、卷积层m-1、池化层m-1……卷积层n, 特征提取卷积网络,进入图像分割网络,包括上采样层1、特征融合层m-1……特征融合层1、上采样层1,对病变区域进行判别,输出结果图像,并在结果图像上显示TNM分期结果。
TNM分期判断“金标准”:所有胰腺癌患者均实施腹腔镜下/开腹探查术,并根据术中所见、术后病理检查判断TNM分期,即:将最大肿瘤直径≤4 cm且无淋巴结转移无远处转移记为Ⅰ期;将最大肿瘤直径>4 cm且无淋巴结转移无远处转移、最大肿瘤直径>4 cm有1~3枚局部淋巴结转移但无远处转移记为Ⅱ期;将有≥4枚区域淋巴结转移但无远处转移、肿瘤侵犯腹腔干或肠系膜上动脉或肝总动脉,无远处转移记为Ⅲ期;将有远处转移记为Ⅳ期。
1.3 观察指标
①统计92例患者的TNM分期情况;②统计92例患者经基于深度学习算法的胰腺癌CT自动分期系统输出的TNM分期情况;③分析基于深度学习算法的胰腺癌CT自动分期系统诊断各分期的灵敏度、特异度和准确度,并计算约登指数,分析该方法与“金标准”的一致性。
1.4 统计学方法
采用SPSS20.0软件检验。基于深度学习算法的胰腺癌CT自动分期系统诊断结果与“金标准”的一致性采用Kappa检验,其中Kappa值≥0.75认为有高度一致性。P<0.05为差异有统计学意义。
2、结果
92例患者的TNM分期为:Ⅰ期12例、Ⅱ期31例、Ⅲ期36例、Ⅳ期13例。经基于深度学习算法的胰腺癌CT自动分期系统诊断,92例患者中共有Ⅰ期10例、Ⅱ期31例、Ⅲ期38例、Ⅳ期13例。具体诊断结果:12例TNM Ⅰ期患者中,基于深度学习算法的胰腺癌CT自动分期系统诊断Ⅰ期10例、Ⅱ期1例、Ⅲ期1例;31例TNM Ⅱ期患者中,基于深度学习算法的胰腺癌CT自动分期系统诊断Ⅱ期30例、Ⅲ期1例;36例TNM Ⅲ期患者中,基于深度学习算法的胰腺癌CT自动分期系统诊断均为Ⅲ期;13例TNM Ⅳ期患者中,基于深度学习算法的胰腺癌CT自动分期系统诊断均为Ⅳ期。
基于深度学习算法的胰腺癌CT自动分期系统诊断TNM各期的灵敏度分别 为83.33%、96.77%、100.00%、100.00%,特异度和准确度均高于95%,见表1。基于深度学习算法的胰腺癌CT自动分期系统诊断胰腺癌TNM分期结果与金标准具有高度一致性(Kappa值=0.912,P<0.001)。
典型病例CT检查和基于深度学习算法的胰腺癌CT自动分期系统输出结果如下:典型病例1,女,71岁,胰头区胰腺癌(Ⅰ期,T2N0M0),肿瘤最大径线3.1 cm, 未见局部淋巴结转移及远处转移。基于深度学习算法的胰腺癌CT自动分期系统输出显示Ⅰ期,见图1-2。
表1 基于深度学习算法的胰腺癌CT自动分期系统诊断TNM各期的效能 (%)
图1 典型病例1 CT诊断图像
图2 典型病例1基于深度学习算法的胰腺癌CT自动分期系统输出图像
图3 典型病例2 CT诊断图像
图4 典型病例2基于深度学习算法的胰腺癌CT自动分期系统输出图像
图5 典型病例3 CT诊断图像
图6 典型病例3基于深度学习算法的胰腺癌CT自动分期系统输出图像
图7 典型病例4 CT诊断图像
图8 典型病例4基于深度学习算法的胰腺癌CT自动分期系统输出图像
3、讨论
CT是常用的疾病诊断方法,可利用精确准直X线束围绕人体某个特定的部位进行断面扫描,将疾病信息以不同灰度的像素点按照矩阵排列形成扫描图像,从而指导医师判断患者的疾病状态[11,12,13]。CT增强扫描不仅可观察胰腺癌供血血管情况,并且在动脉期、静脉期与实质期病灶的CT值均低于正常胰腺组织,据此可以判断肿瘤范围、大小及是否有远处转移等,而胰周转移的淋巴结经增强CT检查也显示出低密度,也可据此初步判断是否有淋巴结转移及个数,因此增强CT可用于胰腺癌分期诊断[14]。但是常规根据增强CT图片判断胰腺癌分期主观性强,并且工作量大、准确度不高,而构建自动分期系统对快速、准确判断胰腺癌分期具有重要意义。
本研究发现,基于深度学习算法的胰腺癌CT自动分期系统可明确诊断TNM分期,并且除了对Ⅰ期诊断的灵敏度为83.33%,对Ⅰ期诊断的特异度和准确度、对其它各期诊断的灵敏度、特异度与准确度均高于95%,说明基于深度学习算法的胰腺癌CT自动分期系统对TNM分期诊断价值高。在一致性分析结果中显示其与金标准结果具有高度一致性,证实基于深度学习算法的胰腺癌CT自动分期系统可用于临床TNM分期诊断。深度学习算法符合人工智能理念,利用人工神经网络,可以进行反复学习和特征提取,并且自动调试出准确度极高的模型,该系统诊断TNM分期的准确度远远高于经验诊断,并且工作效能也显著提升,可以极大节省临床医师的时间、减少其工作量[15,16,17]。本研究基于深度学习算法构建胰腺癌CT自动分期系统,首先将CT检查图片输入,并构建CT图像标注数据库,对输入的CT图像进行预处理,测量最大肿瘤直径,识别淋巴结转移是否发生及转移的淋巴结个数,识别是否发生远处转移,提取数据特征,测量最大肿瘤直径、判断TNM分期,然后在输入的图片上标注图像提取特征信息和TNM分期判断结果,最终输出结果,从而指导临床医师选择后续的治疗方案。与金标准相比较,该方法避免了入腹探查、减轻了患者的痛苦,与常规CT检查和主观预判断TNM分期相比较,该方法准确度高,且操作更简单,因此建议推广使用。基于深度学习算法的影像学诊断系统在乳腺癌、肺腺癌、前列腺癌诊断及病理特征判断中也均得到了推广使用及认可[18,19,20]。本研究与上述报道原理一致,结果相符,但本研究报道了一个新型的胰腺癌自动分期系统,具有创新性。
另外,本研究中有1例Ⅰ期胰腺癌经基于深度学习算法的胰腺癌CT自动分期系统诊断为Ⅱ期,有1例Ⅰ期胰腺癌经系统诊断为Ⅲ期,有1例Ⅱ期胰腺癌经系统诊断为Ⅲ期,可能与输入的CT图像清晰度差有关,且CT图像质量受患者配合度、运动伪影、噪声信号等影响,虽然基于深度学习算法的胰腺癌CT自动分期系统设计时融入了降噪、增强等处理,但也可能因为图像分辨率低导致错误处理,从而导致TNM分期结果与金标准不符。而后续仍需重点探讨如何提高该系统诊断胰腺癌TNM分期的准确度。
综上所述,构建基于深度学习算法的胰腺癌CT自动分期系统包括7个模块,利用胰腺癌CT检查数据库提取特征,确定不同特征与TNM分期规律,且获得的自动分期系统对TNM分期诊断的价值高,值得推广。然而该自动分期系统对胰腺癌TNM分期仍有误诊情况,如何提高其准确度应作为后续研究的重点。
参考文献:
[1]杨欢,王晓坤,范金虎.中国胰腺癌流行病学,危险因素及筛查现况[J].肿瘤防治研究,2021,48(10):909-915.
[6]尹伟,张倩雯,许兵,等.宽探测器多层螺旋CT靶扫描技术在胰腺癌术前评估中的应用价值[J].中华胰腺病杂志,2021,21(4):276-281.
[8]胡逸凡,宫悦,付兰兰,等.CT增强影像组学联合临床资料构建列线图预测食管鳞状细胞癌T分期[J].实用放射学杂志,2023,39(4):552-556.
[10]蔡金秀,崔应谱,孙兆男,等.基于深度学习实现胰腺分割及自动体积测量的初步研究[J].临床放射学杂志,2022,41(1):86-93.
[12]张洪博,纪凤颖,张亚南,等.多层螺旋CT诊断胰腺癌的进展[J].现代肿瘤医学,2018,26(19):3158-3162.
[13]王天佐,姜慧杰.胰腺导管腺癌CT、MR相关研究进展[J].现代肿瘤医学,2020,28(04):672-676.
[14]周雨,孔瑶,陈汝福.胰腺癌精准术前评估的现状及挑战[J].中华外科杂志,2022,60(1):22-26.
[18]袁梦绚.基于深度学习的乳腺癌预测[J].计算机与数字工程,2021,49(11):2353-2357.
[19]黄栎有,徐璐,温林春,等.CT影像组学模型及深度学习技术预测肺腺癌EGFR突变[J].放射学实践,2022,37(8):971-976.
[20]张凌烟,杨川,卓育敏,等.基于深度学习提高经直肠超声诊断前列腺癌效能的研究[J].中华超声影像学杂志,2022,31(1):43-49.
基金资助:国家自然科学资金面上项目(编号:82172024);
文章来源:李敏红,李志铭,陈淮,等.基于深度学习算法的胰腺癌CT自动分期系统的构建与应用[J].现代肿瘤医学,2024,32(11):2055-2059.
分享:
外科手术仍然是胰腺癌最主要的治疗方法,切缘阴性的胰腺癌根治术是胰腺癌患者获得长期生存的必要条件,早期胰腺癌根治性手术5年生存率可达85%。然而,胰腺癌早期诊断困难、手术切除率低、手术难度高、术后并发症死亡率高,极具挑战性。腹腔镜技术成为近年来外科学发展的主旋律。
2024-06-07胰腺癌是全世界癌症相关死亡的第三大原因,发病较为隐匿,大多数患者在确诊时即处于癌症晚期[1]。目前,针对胰腺癌尚无有效的治疗方法,患者预后极差,5年生存率低于10%[2]。因此,积极寻找高敏感度和特异度的新的生物标志物用于胰腺癌的早期诊断及预后评估,被认为是提高胰腺癌治疗效果的最佳策略。
2024-06-04胰腺癌病情进展快、预后差,是一种生存率较低的恶性肿瘤[1]。胰腺癌早期症状隐匿,一旦出现腹痛、黄疸、消瘦等临床症状时,80%~85%患者已处于中晚期,从而丧失了最佳手术治疗机会,5年生存率不足6%[2]。胰腺癌传统西医治疗方式包括手术、放化疗、靶向治疗等,效果不甚理想;中医学博大精深,中药在抗癌、改善患者免疫功能、降低西医治疗毒副作用及改善临床症状等方面具有独到的优势[3],实践证明,在西医治疗基础上应用中医药治疗效果更佳。
2024-05-24在过去的三十年中,全球每年诊断出的胰腺 癌患者数量翻了一番,从1990年 的195 000例增加到2022年的510 992例[1]。胰腺癌在大多数情况下诊断时已为晚期。胰腺癌是一种风险随年龄增长而增加的疾病,随着人口年龄结构的变化以及诊断方法的改进,胰腺癌的防控工作将面临更大的挑战。因此了解未来胰腺癌发病趋势,对甘肃省制定防控政策和调整医疗资源配置等方面具有重要指导意义。
2024-05-10胰腺癌起源于胰腺导管上皮与腺泡细胞,恶性程度高、病情进展快、生存时间短。调查指出[1],胰腺癌发病率约为5/10万,在所有恶性肿瘤中占比约2%~2.5%, 死亡率高, 5年生存率不足8%。有研究[2]显示,Ⅲ-Ⅳ期是胰腺癌预后差的危险因素,因此对胰腺癌患者准确分期并针对治疗,对改善预后有重要意义。然而目前常用的TNM分期系统往往需要在术后明确,且需要配合术中观察和术后病理检查,有局限性[3]。
2024-05-09胰腺癌(pancreatic cancer, PAAD)是恶性程度极高的消化道肿瘤[1],并且罹患人数逐年递增[2]。PAAD起病隐匿,早期缺乏特异症状和有效诊断的生物标志物,因而多数患者确诊PAAD时已属中晚期。PAAD手术切除范围广,对患者创伤极大,且术后胰腺癌局部复发和多处转移导致PAAD患者的总体五年生存率仅为7%[3,4]。因此,寻找一种新型敏感的生物标志物对胰腺癌患者具有重要的临床意义。
2024-04-24胰腺腺癌(pancreatic adenocarcinoma, PAAD)是一种高度恶性的腹部肿瘤,位居全球第七大癌症相关死亡原因[1]。手术是治疗PAAD最有效的方法,然而PAAD的发病隐匿,80%以上的患者确诊时已达到中晚期,并出现转移迹象,导致这些患者无法切除肿瘤或不适合手术[2]。虽然为改善患者预后做出了大量努力,但PAAD患者的5年总生存率通常<9%[3]。因此,探索PAAD形成的分子机制,提高治疗效果,改善PAAD患者的预后,延长患者的生存期刻不容缓。
2024-04-24近年来,胰腺癌(pancreatic cancer,PC)的发病率呈明显的上升趋势。中国国家癌症中心2021年的统计数据显示,胰腺癌位居我国男性恶性肿瘤发病率的第7位,女性恶性肿瘤发病率的第11位,占所有恶性肿瘤相关病死率的第6位[1]。近年来,在多学科综合治疗团队(multidisciplinary team,MDT)协作的模式下,临界可切除性胰腺癌(borderline resectable pancreatic cancer,BRPC)逐渐受到重视。
2024-04-22胰腺癌作为临床消化系统恶性程度最高的肿瘤,近年来的发病率有不断上升的趋势[1]。据报道在国内[2],胰腺癌的发病率已逐步攀升至第6位。且有文献报道[1],在未来10年胰腺癌可能逐步成为世界排名前3位的癌症死因。目前,胰腺癌的临床早期症状尚不明显,常表现为上腹部疼痛,多为程度轻微的内脏性疼痛,且患者常难以察觉,常规检查不易发现,一旦发现常为中晚期,然而胰腺癌患者中晚期的手术切除率较低,预后较差[3,4]。
2024-04-18胰腺癌是严重危害人类健康的消化道恶性肿瘤之一,有“万癌之王”之称,预后差,病死率与发病率比为0.98,5年生存率低于11%。全球范围内,胰腺癌约占癌症致死原因的8%,是引起癌症相关死亡的第4大肿瘤[1]。胰腺癌发病率居我国男性恶性肿瘤的第7位,居女性恶性肿瘤的第11位。
2024-04-14人气:14373
人气:11742
人气:11709
人气:11376
人气:9921
我要评论
期刊名称:中华胰腺病杂志
期刊人气:1349
主管单位:中国科学技术协会
主办单位:中华医学会
出版地方:上海
专业分类:医学
国际刊号:1674-1935
国内刊号:11-5667/R
邮发代号:4-689
创刊时间:2001年
发行周期:双月刊
期刊开本:大16开
见刊时间:1年以上
影响因子:1.220
影响因子:0.900
影响因子:1.023
影响因子:1.245
影响因子:0.652
400-069-1609
您的论文已提交,我们会尽快联系您,请耐心等待!
你的密码已发送到您的邮箱,请查看!