胡大濤，夏春華， 李羚， 高斌

頭頸部惡性腫瘤包括鼻咽癌、口咽癌、下咽癌、淋巴瘤及甲狀腺癌等一系列腫瘤，全球范圍內(nèi)其發(fā)病率位居腫瘤發(fā)病率的第7位[1]。頭頸部淋巴結(jié)轉(zhuǎn)移是影響頭頸部惡性腫瘤預(yù)后的首要因素，因此準(zhǔn)確評(píng)估淋巴結(jié)的良、惡性，對(duì)制訂治療計(jì)劃和判斷預(yù)后有重要作用。淋巴結(jié)的形狀、大小、邊界及有無壞死等目前依舊是臨床判斷淋巴結(jié)良、惡性的主要依據(jù)[2]，其中淋巴結(jié)短徑≥1.0 cm具有重要鑒別診斷價(jià)值[3]。但是臨床上發(fā)現(xiàn)腫大淋巴結(jié)也可能因炎性反應(yīng)性增生所致，而正常大小的淋巴結(jié)亦有可能已發(fā)生腫瘤浸潤(rùn)。淋巴結(jié)的大小和發(fā)生壞死是最重要的影像學(xué)評(píng)估標(biāo)準(zhǔn)，但是單純依靠淋巴結(jié)來評(píng)估淋巴結(jié)良、惡性的準(zhǔn)確性并不高[4]。常規(guī)CT及MRI平掃對(duì)判斷淋巴結(jié)性質(zhì)的準(zhǔn)確性偏低，尤其對(duì)較小淋巴結(jié)，當(dāng)其短徑<1.0 cm時(shí)這2種方法的錯(cuò)判率和漏診率較高。盡管增強(qiáng)CT或MRI提高了對(duì)淋巴結(jié)中心壞死的檢出率，對(duì)鑒別淋巴結(jié)的良、惡性有一定價(jià)值，但仍舊缺乏特異性。近年來，隨著影像檢查技術(shù)的快速發(fā)展，逐步由常規(guī)形態(tài)學(xué)診斷拓展到更先進(jìn)的功能成像、分子影像等，功能成像在鑒別淋巴結(jié)良、惡性中的作用已逐漸成為研究熱點(diǎn)。研究較多的功能成像技術(shù)主要有DWI和表觀擴(kuò)散系數(shù)(ADC)、超順磁性氧化鐵增強(qiáng)MRI、CT灌注成像及氫質(zhì)子波譜成像等，這些技術(shù)在一定程度上提高了診斷的準(zhǔn)確性。如周鎮(zhèn)源等[5]的研究表明頸部淋巴結(jié)的壞死區(qū)與實(shí)性區(qū)ADC值的比值有助于鑒別頸部淋巴結(jié)病變的良惡性。但上述功能成像技術(shù)也存在一定的缺點(diǎn)：如DWI圖像的清晰度及分辨率較差，在頭頸部掃描時(shí)可產(chǎn)生偽影；超順磁性氧化鐵的主要缺點(diǎn)是可用性有限，并且缺少標(biāo)準(zhǔn)的人體射頻線圈和成像方法[6]。目前在臨床診療中，對(duì)疾病的診斷主要依賴于影像醫(yī)師根據(jù)病灶的部位、形態(tài)、大小、密度、信號(hào)和強(qiáng)化方式等形態(tài)學(xué)征象進(jìn)行主觀判讀。隨著醫(yī)學(xué)的發(fā)展，醫(yī)療模式逐漸轉(zhuǎn)向精準(zhǔn)醫(yī)學(xué)模式，傳統(tǒng)的影像信息利用方法不能滿足精準(zhǔn)醫(yī)學(xué)的發(fā)展需要，亟需發(fā)展新的圖像分析方法，充分挖掘影像圖像中蘊(yùn)含的深層信息，以實(shí)現(xiàn)對(duì)腫瘤患者的精準(zhǔn)診療。

影像組學(xué)(radiomics)是通過高通量地從醫(yī)學(xué)影像中提取大量影像信息，采用自動(dòng)化算法自ROI內(nèi)提取出大量的特征信息，深度挖掘影像中蘊(yùn)含的信息，篩選出具有特征性的數(shù)字化信息，并建立相關(guān)分類及預(yù)測(cè)模型，進(jìn)而定量描述腫瘤表型，從而在腫瘤的診斷、治療和預(yù)后評(píng)估等方面發(fā)揮巨大作用[7]。近年來，影像組學(xué)已在腫瘤分類及表型分析、腫瘤治療療效評(píng)估預(yù)后預(yù)測(cè)等方面取得了相當(dāng)豐富的研究成果[8-10]。影像組學(xué)分析不僅具有無創(chuàng)性，而且能夠重復(fù)使用數(shù)據(jù)信息，能對(duì)病灶整體進(jìn)行分析，從而有效避免了穿刺活檢及病理檢查存在的取樣誤差等問題。我們基于CT影像資料，將影像組學(xué)技術(shù)應(yīng)用于頭頸部淋巴結(jié)良、惡性的評(píng)估，旨在解決臨床醫(yī)師難以成功定性咽后等深部間隙內(nèi)淋巴結(jié)這一難題，提高影像診斷水平。

材料與方法

1.病例資料

回顧性分析本院2010-2019年經(jīng)手術(shù)病理或穿刺活檢證實(shí)為良性或惡性淋巴結(jié)的200例患者的臨床和術(shù)前CT圖像(平掃及增強(qiáng)掃描動(dòng)脈期)?；颊吣挲g19～80歲，平均(51.86±14.31)歲。惡性淋巴結(jié)組95例，其中6例為淋巴瘤，51例為鼻咽癌伴淋巴結(jié)轉(zhuǎn)移，18例為甲狀腺癌伴淋巴結(jié)轉(zhuǎn)移，20例為口咽和喉咽部、舌部、腭部及頰面部惡性腫瘤伴淋巴結(jié)轉(zhuǎn)移；良性淋巴結(jié)組105例，其中4例經(jīng)臨床確診為淋巴結(jié)結(jié)核，其余101例均為淋巴結(jié)清掃術(shù)后病理切片或穿刺活檢證實(shí)為淋巴結(jié)轉(zhuǎn)移陰性。

納入標(biāo)準(zhǔn)：①經(jīng)病理或穿刺活檢證實(shí)為良性或惡性淋巴結(jié)，于術(shù)前1～2周在本院行CT檢查；②淋巴結(jié)短徑≥5 mm；③CT檢查前未進(jìn)行過放化療等相關(guān)治療；④圖像清晰，圖像質(zhì)量滿足診斷和分析要求。

2.檢查方法及圖像選擇

使用GE Discovery CT750 HD寶石能譜CT機(jī)，所有患者行頭頸部CT平掃及雙期增強(qiáng)掃描，掃描參數(shù)：300 mA，120 kV，層厚3.0～5.0 mm，矩陣512×512，掃描范圍自眉弓上緣至頸根部水平。增強(qiáng)掃描使用高壓注射器注射對(duì)比劑碘海醇(350 mg I/mL)，注射流率2.5～3.0 mL/s，總量80～100 mL，注射對(duì)比劑后25～30 s行動(dòng)脈期掃描、60～70 s行靜脈期掃描。平掃及增強(qiáng)掃描的層面需保持一致。

3.臨床資料的搜集和圖像分析

由2位臨床診斷經(jīng)驗(yàn)豐富的影像科醫(yī)師閱片分析所有患者的CT圖像并提取主要臨床資料，包括患者的年齡和性別、橫軸面圖像中靶淋巴結(jié)最大層面上淋巴結(jié)短徑、平掃及動(dòng)脈期CT值。將所有受試者隨機(jī)分為2組，訓(xùn)練集133例(70例良性+63例惡性)，測(cè)試集67例(35例良性+32例惡性)。

4.影像組學(xué)特征的提取和篩選

由一位具有多年工作經(jīng)驗(yàn)的影像科醫(yī)師進(jìn)行影像組學(xué)分析和測(cè)量。首先，選取每例患者靶淋巴結(jié)最大層面的橫軸面平掃及增強(qiáng)圖像(平掃跟增強(qiáng)圖像務(wù)必是同一層面)，將其自PACS系統(tǒng)中以DICOM格式導(dǎo)入開源MaZda 4.6軟件(www.eletel.p.lodz.pl/programy/mazda/)；圖像導(dǎo)入后先行μ±3σ(μ為灰度平均值，σ為灰度值標(biāo)準(zhǔn)差)進(jìn)行灰度標(biāo)準(zhǔn)化處理，減少圖像不同明暗度及對(duì)比度對(duì)灰度值的影響；然后，采用手動(dòng)分割方法于靶淋巴結(jié)內(nèi)勾畫ROI，ROI邊緣距病灶邊緣1～2 mm，避開鈣化、周邊血管等區(qū)域。在病灶勾畫完成后，利用Mazda軟件提取包括游程矩陣、灰度共生矩陣、灰度直方圖、絕對(duì)梯度、小波變換和自回歸模型在內(nèi)的共275種紋理特征。

在訓(xùn)練集中使用選擇算子和最小絕對(duì)收縮(selection operator and least absolute shrinkage，LASSO)算法進(jìn)行降維，并通過10折交叉驗(yàn)證法篩選出3～5個(gè)與頭頸部淋巴結(jié)良惡性預(yù)測(cè)最具相關(guān)性的影像組學(xué)特征。

5.預(yù)測(cè)模型的建立、驗(yàn)證和評(píng)估

在訓(xùn)練集中應(yīng)用LASSO方法并結(jié)合10倍交叉驗(yàn)證法去除冗余特征，獲得最優(yōu)組學(xué)特征，將其LASSO回歸系數(shù)帶入線性方程計(jì)算組學(xué)評(píng)分并建立影像組學(xué)標(biāo)簽；運(yùn)用多因素Logistic回歸分析各診斷因子(性別、年齡、病灶短徑、平掃CT值、動(dòng)脈期CT值、影像組學(xué)標(biāo)簽)，分別建立非影像組學(xué)和影像組學(xué)診斷模型，采用受試者工作特征曲線(ROC)及曲線下面積(AUC)和校準(zhǔn)曲線(calibration curves)評(píng)價(jià)各診斷模型在訓(xùn)練集和測(cè)試集中的診斷效能和擬合度。

最后將影像組學(xué)標(biāo)簽(score)聯(lián)合獨(dú)立診斷因子(Size、Z)制作成可量化賦分的諾模圖預(yù)測(cè)工具：根據(jù)相應(yīng)變量值在Points線段上賦分，計(jì)算出總得分，再垂直對(duì)應(yīng)到Low weight rate線段上，以概率形式預(yù)測(cè)目標(biāo)淋巴結(jié)的良、惡性。

6.統(tǒng)計(jì)學(xué)方法

使用SPSS24.0和R3.4.4軟件(https://www.r-project.org/)對(duì)所有數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。本研究中計(jì)量資料均不符合正態(tài)分布，故采用U檢驗(yàn)；分類變量采用χ2檢驗(yàn)。以P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

1.臨床和常規(guī)CT資料

訓(xùn)練集和測(cè)試集中良、惡性組患者的臨床和常規(guī)CT特征的比較見表1。訓(xùn)練集和測(cè)試集中良性組與惡性組之間患者年齡、性別及病灶平掃CT值的差異均無統(tǒng)計(jì)學(xué)意義(P>0.05)。動(dòng)脈期強(qiáng)化CT值、淋巴結(jié)短徑及影像組學(xué)標(biāo)簽在良性組與惡性組之間的差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)。

表1 訓(xùn)練集和測(cè)試集中良、惡性組臨床資料及常規(guī)CT征象的比較

2.特征選擇、影像組學(xué)標(biāo)簽建立及診斷效能評(píng)價(jià)

在訓(xùn)練集中通過應(yīng)用LASSO回歸模型并結(jié)合10倍交叉驗(yàn)證法去除冗余特征，選擇AUC最大處的λ值來篩選特征，最終從275個(gè)組學(xué)特征中篩選出3個(gè)最優(yōu)組學(xué)特征(圖1)，分別為S(2,-2)Correlat、S(0,3)InvDfMom和S(4,0)Contrast。將這3個(gè)特征用于建立影像組學(xué)標(biāo)簽，表達(dá)式為y=12.846714×S(2,-2)Correlat+(-22.142526) ×S(0,3)InvDfMom+3.500306×S(4,0)Contrast+(-41.876957)。在訓(xùn)練集和測(cè)試集中影像組學(xué)標(biāo)簽判別良、惡性淋巴結(jié)的AUC值分別為0.884(95%CI：0.830～0.937)和0.749(95%CI：0.634～0.864)，診斷效能良好(圖2)。

圖1 影像組學(xué)特征篩選和影像組學(xué)標(biāo)簽的建立。a)LASSO模型結(jié)合10折交叉驗(yàn)證選擇參數(shù)λ，虛線對(duì)應(yīng)最優(yōu)參數(shù)λ以及AUC和特征個(gè)數(shù)；b)275個(gè)影像組學(xué)特征在LASSO模型中的系數(shù)圖，虛線處對(duì)應(yīng)最優(yōu)參數(shù)λ，共篩選得到3個(gè)最優(yōu)非零系數(shù)特征。 圖2 影像組學(xué)標(biāo)簽的ROC曲線。a)訓(xùn)練集，AUC=0.884；b)測(cè)試集，AUC=0.749。 圖3 預(yù)測(cè)模型的ROC曲線。a)影像組學(xué)模型在訓(xùn)練集和測(cè)試集中的AUC分別為0.985和0.908；b)非影像組學(xué)模型在訓(xùn)練集合測(cè)試集中的AUC分別為0.847和0.806 。

3.預(yù)測(cè)模型建立和診斷效能評(píng)價(jià)

將所有臨床診斷因子和影像組學(xué)標(biāo)簽進(jìn)行多因素Logistic回歸分析，結(jié)果顯示淋巴結(jié)短徑(size)、動(dòng)脈期增強(qiáng)CT值(Z)和影像組學(xué)標(biāo)簽(score)可作為判別淋巴結(jié)性質(zhì)的獨(dú)立診斷因子(表2)，并由此分別被納入非影像組學(xué)模型(聯(lián)合size和Z)及影像組學(xué)聯(lián)合診斷模型(score聯(lián)合size和Z)。

表2 多因素Logistic回歸分析結(jié)果

采用ROC曲線對(duì)兩種模型在訓(xùn)練集和測(cè)試集中的診斷效能進(jìn)行評(píng)估，結(jié)果見表3。綜上影像組學(xué)診斷模型比非影像組學(xué)表現(xiàn)出更好的診斷效能(P=0.025，P=0.033)(圖3)。影像組學(xué)預(yù)測(cè)模型在訓(xùn)練集和測(cè)試集中的校準(zhǔn)曲線對(duì)比理想曲線顯示出了良好的擬合效果(訓(xùn)練集R2為0.958，測(cè)試集R2為0.975)，優(yōu)于非影像組學(xué)診斷預(yù)測(cè)模型(訓(xùn)練集R2為0.930，測(cè)試集R2為0.918)，詳見圖4。

圖4 診斷模型在訓(xùn)練集和測(cè)試集的校準(zhǔn)曲線(校準(zhǔn)度曲線中X軸代表預(yù)測(cè)模型值，Y軸表示真實(shí)值，曲線越接近對(duì)角線，說明吻合度越好)。a)影像組學(xué)診斷模型；b)非影像組學(xué)診斷模型。 圖5 CT影像組學(xué)預(yù)測(cè)模型的諾模圖。將所有變量得分相加計(jì)算總得分，再垂直對(duì)應(yīng)到Low weight rate線段，得出預(yù)測(cè)概率。

表3 兩種診斷模型的診斷效能

將影像組學(xué)標(biāo)簽(score)聯(lián)合獨(dú)立診斷因子依據(jù)Logistic回歸系數(shù)權(quán)重制作可量化賦分的nomogram預(yù)測(cè)工具，計(jì)算出總得分后對(duì)應(yīng)到Low weight rate線段上得出預(yù)測(cè)概率(圖5)。本研究結(jié)果以各項(xiàng)得分總和68分為臨界點(diǎn)，超過此臨界點(diǎn)預(yù)測(cè)為惡性，且總分值越大，惡性概率越高。

討 論

CT掃描在頭頸部良、惡性淋巴結(jié)的術(shù)前和術(shù)后診斷中具有良好的診斷效能[11]。目前淋巴結(jié)大小和壞死的證據(jù)仍然是最重要的影像學(xué)診斷標(biāo)準(zhǔn)，但是淋巴結(jié)大小這一指標(biāo)顯示出很大的可變性，而且容易受到觀察者對(duì)于影像特征解讀的主觀因素的影響，并不能有效鑒別出較的淋巴結(jié)是否存在惡變。這就迫切需要一種新的技術(shù)手段，近年來影像組學(xué)技術(shù)的應(yīng)用不斷深入，它不僅可以規(guī)避觀察者本身對(duì)于影像特征解讀的主觀偏向，還能深度挖掘并整合圖像中大量的人眼無法識(shí)別和區(qū)分的數(shù)字化信息，從而能明顯提高對(duì)頭頸部轉(zhuǎn)移性淋巴結(jié)的診斷水平，減少漏判或誤判率。目前而言，影像組學(xué)應(yīng)用最多的領(lǐng)域是腫瘤的輔助診斷，尤其是對(duì)腫瘤良、惡性的輔助判別；其次是對(duì)腫瘤病灶的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。

目前將影像組學(xué)應(yīng)用于淋巴結(jié)的相關(guān)研究大多是圍繞縱隔、腋窩及腹盆腔淋巴結(jié)，利用多參數(shù)MRI、PET-CT及超聲成像，對(duì)原發(fā)腫瘤的侵襲性、療效和預(yù)后等方面進(jìn)行探討，少有基于CT影像組學(xué)對(duì)頭頸部淋巴結(jié)良惡性進(jìn)行鑒別診斷的相關(guān)研究。如施奕倩等[12]的研究中發(fā)現(xiàn)基于CT的影像組學(xué)對(duì)頭頸部鱗狀細(xì)胞癌患者總生存期的預(yù)測(cè)具有一定價(jià)值，有潛力成為預(yù)測(cè)頭頸部鱗狀細(xì)胞癌患者預(yù)后的潛在生物學(xué)標(biāo)志物。Chen等[13]的研究中納入了115例直腸癌患者，利用直腸腔內(nèi)超聲、剪切波彈性成像和CT圖像，提取直腸腫瘤、淋巴結(jié)和周圍組織的組學(xué)特征，并對(duì)3種方法分別建立影像組學(xué)標(biāo)簽，使用多元Logistic回歸分析與臨床數(shù)據(jù)進(jìn)行進(jìn)一步驗(yàn)證，其結(jié)果顯示在訓(xùn)練組和驗(yàn)證組中，淋巴結(jié)轉(zhuǎn)移患者的所有3個(gè)影像組學(xué)標(biāo)簽AUC值均顯著高于淋巴結(jié)轉(zhuǎn)移陰性患者(P<0.05)。單嫣娜等[14]利用動(dòng)態(tài)增強(qiáng)MRI影像組學(xué)技術(shù)研究乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移，經(jīng)過降維成功篩選出5個(gè)最佳影像組學(xué)特征，它們獨(dú)立預(yù)測(cè)腋窩淋巴結(jié)轉(zhuǎn)移的AUC為0.747～0.931。王偉鎮(zhèn)等[15]運(yùn)用影像組學(xué)方法預(yù)測(cè)甲狀腺乳頭狀癌頸部中央?yún)^(qū)淋巴結(jié)轉(zhuǎn)移，結(jié)果超聲橫、縱雙切面紋理特征預(yù)測(cè)的準(zhǔn)確性較單切面高，且遠(yuǎn)高于常規(guī)超聲檢查的準(zhǔn)確率。Wu等[16]使用磁共振T2WI圖像篩選出9種影像特征用于預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移，其預(yù)測(cè)效能AUC值達(dá)到0.887，并與臨床診斷因子結(jié)合組成混合模型的診斷效能AUC值為0.890。以上各研究成果均表明了影像組學(xué)方法在淋巴結(jié)轉(zhuǎn)移的診斷和預(yù)測(cè)中取得了令人滿意的效果。

然而，大多數(shù)研究所采用的影像工具：MRI為多序列多參數(shù)成像，耗時(shí)相對(duì)較長(zhǎng)，在不同參數(shù)和序列圖像中篩選影像組學(xué)特征及最優(yōu)模型的過程較為復(fù)雜，不利于常規(guī)應(yīng)用和推廣；PET-CT費(fèi)用高昂，對(duì)于小病灶顯示不佳，而且注射用藥物對(duì)身體有一定影響。而基于CT的影像組學(xué)方法，僅基于CT值數(shù)據(jù)提取紋理特征，相對(duì)而言快速、簡(jiǎn)單和實(shí)用。如孔丹等[17]利用影像組學(xué)軟件于患者術(shù)前平掃及增強(qiáng)CT圖像提取出378個(gè)特征，經(jīng)過篩選得到16個(gè)最優(yōu)影像組學(xué)特征用于建立甲狀腺良惡性結(jié)節(jié)的鑒別診斷模型，其在訓(xùn)練組和測(cè)試組中的ROC曲線下面積分別為0.92和0.90，診斷符合率為88.2%。沙雪等[18]基于平掃、動(dòng)脈期和靜脈期CT圖像，建立鑒別非小細(xì)胞肺癌縱隔淋巴結(jié)轉(zhuǎn)移的影像組學(xué)模型，并探討不同模型的診斷效能，他們共提取了841個(gè)影像組學(xué)特征，使用LASSO算法篩選降維后，基于各時(shí)相CT影像組學(xué)特征和兩個(gè)時(shí)相CT影像組學(xué)特征的差值來建立診斷模型，結(jié)果顯示基于CT各時(shí)相圖像建立的影像組學(xué)模型均可輔助臨床來判斷淋巴結(jié)的性質(zhì)，其中以基于平掃CT圖像的影像組學(xué)模型的AUC最高，結(jié)合CT平掃及動(dòng)脈期增強(qiáng)圖像建立的影像組學(xué)模型具有更高的鑒別敏感度和陰性預(yù)測(cè)值。張力等[19]將影像組學(xué)工具應(yīng)用于頭頸部木村病淋巴結(jié)病變和淋巴瘤的鑒別研究中，建立的CT影像組學(xué)模型具有良好的診斷效能。以上這些研究大多只給出影像組學(xué)特征單獨(dú)的診斷效能，未利用影像組學(xué)特征建立可供量化分析的綜合預(yù)測(cè)模型，也未在不同數(shù)據(jù)集中對(duì)其進(jìn)行驗(yàn)證。

本研究團(tuán)隊(duì)使用影像組學(xué)方法建立并驗(yàn)證了一個(gè)結(jié)合CT強(qiáng)化值、淋巴結(jié)短徑和影像組學(xué)標(biāo)簽的諾模圖診斷預(yù)測(cè)模型，并量化輸出預(yù)測(cè)值。通過回歸分析，顯示淋巴結(jié)短徑(size)和增強(qiáng)動(dòng)脈期CT值(Z)對(duì)判別淋巴結(jié)的良惡性具有統(tǒng)計(jì)學(xué)意義(P<0.05)。另外，采用影像組學(xué)方法最終篩選出3個(gè)最具鑒別意義的組學(xué)特征，建立影像組學(xué)標(biāo)簽，根據(jù)組學(xué)特征的LASSO系數(shù)，以逆差矩(InvDfMom)的貢獻(xiàn)最大，該特征參數(shù)反映局部灰度均勻性，其值越高表明該區(qū)域在灰度值之間缺乏變化，這一結(jié)果可能提示腫瘤的異質(zhì)性跟圖像灰度的均勻性有關(guān)聯(lián)。而且Yip等[20]的研究結(jié)果顯示組學(xué)特征中以InvDfMom(逆差矩)與非小細(xì)胞肺癌體細(xì)胞突變最具相關(guān)性，同樣驗(yàn)證了上述結(jié)果。在此基礎(chǔ)上，我們進(jìn)一步采用ROC曲線對(duì)影像組學(xué)標(biāo)簽(score)的診斷效能進(jìn)行了分析，在訓(xùn)練集和測(cè)試集中其AUC均大于0.80，隨后將score與動(dòng)脈期強(qiáng)化CT值(Z)、淋巴結(jié)短徑(size)聯(lián)合建立影像組學(xué)綜合診斷模型，該模型在兩個(gè)數(shù)據(jù)集中的診斷效能同樣表現(xiàn)優(yōu)秀。

本研究存在以下不足之處：(1)部分患者注射造影劑時(shí)間快慢不等，可能對(duì)病灶動(dòng)脈期強(qiáng)化CT值有些許影像。(2)所有ROI都是在橫軸面CT圖像上手動(dòng)勾畫，沒有獲得病灶容積ROI來提取病灶特征，因此所獲的影像信息可能不全面。已有相關(guān)研究證實(shí)對(duì)腫瘤病灶采用三維紋理特征提取所構(gòu)建的診斷模型更加準(zhǔn)確[21]。(3)沒有將多期或動(dòng)態(tài)增強(qiáng)掃描圖像納入本研究，它們或許較單純動(dòng)脈期掃描能提供更多影像學(xué)信息，這也是本研究的一大缺憾。但本次研究已積累部分經(jīng)驗(yàn)，有望在以后的研究中進(jìn)一步完善。