《Academic Radiology》：Noninvasive Prediction of Tumor Malignancy Grade in Pancreatic Ductal Adenocarcinoma with Dual-Layer Detector CT: A Novel Index Integrating Histopathological Differentiation and Ki-67
编辑推荐：
本研究针对胰腺导管腺癌(PDAC)现有预后模型单独依赖分化分级或Ki-67指数、无法有效进行患者分层的问题，整合术前临床特征与双源光谱CT(DLCT)三维体积兴趣区(3D VOI)定量参数，开发了一个用于无创预测新型病理学恶性程度分级(GOM)的DLCT-临床联合模型。该模型在区分低级别与中-高级别PDAC方面表现出优越的鉴别性能(AUC分别为0.821和0.806)，为术前无创评估肿瘤侵袭性、指导个体化治疗策略(如选择直接手术或新辅助化疗)提供了潜在的影像学生物标志物。
胰腺癌，尤其是胰腺导管腺癌(PDAC)，被称为“癌症之王”，其预后极差，即使成功接受根治性手术，患者五年总生存率也仅有约20%。这背后，肿瘤的恶性程度是决定其复发风险和预后的关键因素。传统上，医生通过活检或手术后的病理切片来评估肿瘤的恶性程度，主要看两个方面：一是细胞异型性，即癌细胞长得和正常细胞差别有多大，这通常用“分化程度”来衡量，分化越差，恶性程度越高；二是增殖活性，即癌细胞分裂繁殖有多快，常用一个叫做Ki-67的蛋白作为标记，阳性率越高，肿瘤生长越活跃、越容易复发转移。然而，临床实践发现，单看分化程度或Ki-67指标都存在局限性：同样是分化差的肿瘤，Ki-67高的患者生存期明显更短；反之，Ki-67水平相近的患者，分化程度不同，预后也大相径庭。这就像一个学生，单看“努力程度”或“天赋”都不足以全面评价其潜力，必须综合看待。因此，亟需一个能同时整合分化程度和Ki-67表达的综合性评价体系来更精准地判断肿瘤的恶性程度。
但获取这些病理信息的过程本身存在诸多瓶颈。活检是有创操作，有出血、感染甚至针道种植的风险。更重要的是，胰腺癌具有显著的“空间异质性”——简单来说，肿瘤内部不同区域的恶性程度可能天差地别，穿刺活检就像“盲人摸象”，取到的一小块组织未必能代表整个肿瘤的全貌。此外，从取样到出病理报告周期长，可能导致诊断延迟，无法为新辅助化疗等术前治疗决策提供及时指导，也无法动态监测肿瘤生物学行为的变化。因此，开发一种无创、全面且能实时评估胰腺癌分化程度和Ki-67表达水平的影像学方法，成为了临床上的迫切需求。
双源光谱CT(DLCT)技术的发展为解决这一难题带来了曙光。它不仅能提供常规CT图像，还能通过多参数成像（如虚拟单能图像、碘浓度图、有效原子序数图）来定量分析组织的灌注和成分。相比传统基于单一二维切面的手动勾画方法，三维体积兴趣区(3D VOI)分析能够覆盖整个肿瘤体积，更好地捕捉瘤内异质性，提供更全面、可重复性更高的评估。
基于此背景，中国科学技术大学附属第一医院（安徽省立医院）放射科的研究团队在《Academic Radiology》上发表了一项研究，他们旨在开发和验证一个整合术前临床特征与DLCT三维定量参数的模型，用于无创预测一种新型的、综合了组织学分化和Ki-67表达的PDAC恶性程度分级(GOM)，从而为患者的个体化治疗决策提供强有力的影像学依据。
关键技术方法
本研究为一项回顾性研究，纳入了2023年1月至2025年1月期间经病理证实的PDAC患者183例，并按7:3比例随机分为训练集和验证集。所有患者均在病理取样前14天内完成了DLCT扫描。研究采用了由Yuexiang Liang等人提出的GOM分级系统，将肿瘤分为低、中、高三个级别。核心影像学分析基于门静脉期CT图像，使用ITK-SNAP软件对肿瘤进行逐层手动三维分割，生成包含整个肿瘤体积的3D VOI。随后，通过后处理软件自动计算获得多个DLCT 3D VOI定量参数，包括40keV和100keV虚拟单能图像CT值、有效原子序数(Zeff)和碘浓度(IC)。统计分析采用单因素及多因素逻辑回归筛选预测因子，并构建临床模型、DLCT模型及联合模型，通过受试者工作特征曲线和决策曲线分析评估模型性能。
研究结果
患者基线特征与GOM分组
研究最终纳入183例患者，其中111例(60.7%)被归类为中-高级别组，72例(39.3%)为低级别组。训练集与验证集在基线临床和影像学变量上均无显著差异，确保了模型评价的有效性。
单因素分析筛选潜在预测因子
单因素分析显示，在临床特征中，年龄、癌胚抗原(CEA)、红细胞计数(Rbcc)、血细胞比容和糖类抗原125(CA125)在低级别与中-高级别组间存在显著差异。在DLCT参数中，中-高级别组的3D VOI-IC和3D VOI-Zeff值均显著低于低级别组。
多因素分析确定独立预测因子与模型构建
将单因素分析中P值小于0.05的变量纳入多因素逻辑回归分析，最终确定了CA125和3D VOI-IC为预测GOM的独立因子。CA125升高是中-高级别肿瘤的风险因素(比值比[OR]=6.85)，而3D VOI-IC值越高，肿瘤属于低级别的可能性越大(OR=0.22)。基于此，研究构建了三个预测模型：仅含CA125的临床模型、仅含3D VOI-IC的DLCT模型以及整合两者的DLCT-临床联合模型。
三种模型的诊断效能与临床效用比较
在区分低级别与中-高级别PDAC方面，DLCT-临床联合模型展现出最优异的鉴别性能。在训练集中，其曲线下面积(AUC)达到0.821，显著高于临床模型(AUC=0.729)和DLCT模型(AUC=0.736)。在独立验证集中，联合模型的AUC为0.806，同样显著优于其他两个模型。决策曲线分析进一步证实，DLCT-临床联合模型在0.05-0.85（训练集）和0.05-0.80（验证集）的阈值概率范围内能提供最高的临床净获益。研究还通过典型病例的影像与病理对照图，直观展示了低、中、高级别肿瘤在DLCT多参数图像上的特征差异，例如随着恶性级别升高，肿瘤的碘浓度呈现下降趋势。
门静脉期与动脉期对比验证
研究通过亚组分析验证了选择门静脉期进行3D VOI分析的合理性。结果显示，门静脉期碘浓度(PVP-IC)的预测性能显著优于动脉期碘浓度(AUC: 0.79 vs. 0.63)，证实了门静脉期在评估PDAC灌注特征方面的优势。
观察者间一致性
对所有DLCT 3D VOI定量参数的测量均表现出良好的观察者间一致性(组内相关系数ICC均大于0.75)，表明该定量分析方法具有较好的可重复性。
结论与讨论
本研究成功开发并初步验证了一个基于DLCT 3D VOI定量参数联合临床特征的无创预测模型，用于术前评估PDAC的恶性程度分级(GOM)。研究发现，中-高级别PDAC呈现出更低的肿瘤碘浓度(IC)，这看似矛盾（恶性程度越高，血供理应更丰富？），实则与PDAC特殊的病理生理机制相符。高级别PDAC通常伴随着更显著的同质纤维结缔组织增生，这种致密的纤维基质会压迫瘤内微血管、增加组织间隙压力，从而严重阻碍灌注。这就导致了一个“侵袭性-灌注悖论”：恶性程度最高的肿瘤，其血液灌注和对比剂输送反而可能最差。因此，较低的IC值可以作为肿瘤微循环受损的活体影像学生物标志物，部分解释了高级别PDAC常面临的化疗药物输送困难和耐药挑战。
同时，CA125作为另一个独立预测因子，其升高反映了肿瘤负荷和转移潜能的增加，这与高级别肿瘤所代表的更具侵袭性的生物学行为相一致。将反映肿瘤微环境的影像学指标(3D VOI-IC)与反映全身肿瘤负荷的血清学指标(CA125)相结合，构建的DLCT-临床联合模型实现了“1+1>2”的效果，显著提升了预测效能。
该模型的核心临床意义在于其决策支持价值。GOM分级直接关联治疗策略：低级别肿瘤可能无法从化疗中显著获益，更适合直接手术；而中-高级别肿瘤对化疗更敏感，新辅助化疗后手术往往是更优选择。本研究构建的模型，能够在术前无创地区分这两类患者，其输出的连续概率值（尤其在20%-60%这一临床决策的“灰色地带”）可为多学科团队讨论提供重要的量化依据，帮助制定更精准的个体化治疗方案。
当然，本研究作为单中心回顾性研究，样本量特别是验证集规模有限，且排除了放置胆道支架等常见情况，结论的外推性需谨慎。未来需要通过更大规模、前瞻性、多中心的研究来进一步验证。然而，这项研究无疑为胰腺癌的精准诊疗开辟了一条新的路径，展示了多模态信息融合和影像组学在破解肿瘤异质性、实现无创病理分级方面的巨大潜力。
