曾飄娥，曲超，崔景景，修典榮，劉劍羽，袁慧書*

0 引言

胰腺導(dǎo)管腺癌（pancreatic ductal adenocarcinoma,PDAC）居我國(guó)總體惡性腫瘤發(fā)病率和死亡率的第9 位 和 第6 位[1]。PDAC 預(yù) 后 極 差，淋 巴 結(jié) 轉(zhuǎn) 移（lymph node metastasis, LNM）是PDAC 預(yù)后較差的重要影響因素[2]。AJCC 更新的第八版TNM 系統(tǒng)更加強(qiáng)調(diào)了LNM 在預(yù)后評(píng)估中的意義。同時(shí)NCCN指南和中國(guó)胰腺癌診療指南（2022 年版）建議對(duì)伴有區(qū)域LNM 等高危因素的PDAC 可以考慮新輔助治療[3-4]。因此，術(shù)前準(zhǔn)確識(shí)別PDAC 的淋巴結(jié)狀態(tài)對(duì)患者的預(yù)后評(píng)估和治療方案制訂具有重要意義。目前基于術(shù)前影像形態(tài)學(xué)對(duì)PDAC 淋巴結(jié)狀態(tài)評(píng)估的能力較差。文獻(xiàn)報(bào)道淋巴結(jié)大小不能作為術(shù)前LNM的可靠性指標(biāo)[5-6]。表觀擴(kuò)散系數(shù)（apparent diffusion coefficient, ADC）可以定量評(píng)估組織內(nèi)水分子擴(kuò)散程度，從而間接反映腫瘤的組織學(xué)成分和侵襲性。影像組學(xué)可以提取肉眼無法識(shí)別的定量的、高通量的影像特征，反映病變的生物學(xué)行為[7]。先前的研究表明，基于CT 圖像的影像組學(xué)在淋巴結(jié)狀態(tài)評(píng)估及預(yù)后預(yù)測(cè)中有一定的價(jià)值。既往有研究探索MRI影像組學(xué)對(duì)PDAC 淋巴結(jié)狀態(tài)評(píng)估價(jià)值，但基于ADC 圖影像組學(xué)的附加價(jià)值尚不清楚，且無與臨床及影像形態(tài)學(xué)預(yù)測(cè)模型的對(duì)比研究。本研究擬聯(lián)合常規(guī)MRI 及ADC 圖的影像組學(xué)特征構(gòu)建多參數(shù)MRI 影像組學(xué)模型術(shù)前評(píng)估PDAC 淋巴結(jié)狀態(tài)，并與建立的常規(guī)MRI 影像組學(xué)模型和臨床模型比較，探索基于ADC圖影像組學(xué)的附加價(jià)值。

1 材料與方法

1.1 研究對(duì)象

本研究遵守《赫爾辛基宣言》，已通過北京大學(xué)第三醫(yī)院倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：IRB00006761-LM2021120。

本研究為單中心、回顧性臨床研究，連續(xù)性收集2012年1月至2021年6月在我院進(jìn)行手術(shù)并病理確診為PDAC患者的臨床及影像資料。入組標(biāo)準(zhǔn)：（1）接受了手術(shù)切除和區(qū)域淋巴結(jié)清掃術(shù)；（2）術(shù)前2 周內(nèi)的MRI 圖像完整。排除標(biāo)準(zhǔn)：（1）因局部晚期胰腺癌行姑息性手術(shù)或R2 切除；（2）術(shù)前接受放療或化療；（3）圖像偽影嚴(yán)重。按照LNM 以病理報(bào)告將PDAC分為伴有LNM 和不伴L(zhǎng)NM。按照7∶3 的比例隨機(jī)分為訓(xùn)練集與驗(yàn)證集。

1.2 MRI掃描

MRI 影像數(shù)據(jù)包含常規(guī)MRI 及擴(kuò)散加權(quán)成像（diffusion-weighted imaging, DWI）。MRI 掃描采用3 T MRI 掃描儀（Discovery MR750, GE Healthcare,USA），8 通道體部相控陣線圈。掃描序列及參數(shù)：（1）軸位脂肪抑制T2WI 序列，重復(fù)時(shí)間（repetition time, TR）/回波時(shí)間（echo time, TE）15 000 ms/81 ms，層厚6.0 mm，層間距1 mm，視野32 cm×32 cm，矩陣320×320；（2）軸位肝臟快速容積成像T1WI序列，TR/TE 4 ms/2.4 ms，層厚5.0 mm，視野36 cm×36 cm，矩陣264×256；（3）軸位T1WI 動(dòng)態(tài)增強(qiáng)MRI，高壓注射器將釓對(duì)比劑（Beilu Pharmaceutical, Beijing, China）以2 mL/s 的速率及0.2 mmol/kg 的劑量團(tuán)注到前臂靜脈，注射對(duì)比劑后33～38 s 掃描動(dòng)脈期，70～75 s 掃描門脈期圖像；（4）用軸位、自由呼吸、單次發(fā)射回波平面成像進(jìn)行DWI 序列掃描，TR/TE 7 500 ms/62 ms；層厚6.0 mm；層間距1.0 mm；帶寬250 kHz；視野35 cm×35 cm；矩陣160×160，8 個(gè)b 值（0、25、50、100、200、500、800、1 000 s/mm2）。

1.3 臨床及影像學(xué)特征的采集

臨床特征：采集納入患者的性別、年齡、是否黃疸、術(shù)前糖類抗原19-9（carbohydrate antigen19-9,CA19-9）、術(shù)前血清總膽紅素值等臨床特征。

原發(fā)腫瘤影像學(xué)特征包括（1）腫瘤大?。唬?）腫瘤部位；（3）胰管擴(kuò)張；（4）胰體尾萎縮；（5）強(qiáng)化程度（對(duì)比正常胰腺實(shí)質(zhì)）；（6）邊緣強(qiáng)化：定義為不規(guī)則環(huán)狀強(qiáng)化，在動(dòng)態(tài)增強(qiáng)圖像上具有相對(duì)低血供的中心區(qū)域；（7）胰腺周圍腫瘤浸潤(rùn)；（8）動(dòng)脈侵犯；（9）靜脈侵犯。

淋巴結(jié)評(píng)估：測(cè)量最大淋巴結(jié)的短徑和長(zhǎng)徑。

ADC 值測(cè)量：以常規(guī)和動(dòng)態(tài)增強(qiáng)MRI 掃描為參考，在DWI 圖像（b=1 000 s/mm2）上原發(fā)腫瘤最大橫截面積手動(dòng)勾畫感興趣區(qū)（region of interest, ROI），最大限度地排除囊變壞死區(qū)域。由兩名分別具有7年和5年腹盆影像診斷經(jīng)驗(yàn)的放射科醫(yī)師不知曉病理淋巴結(jié)狀態(tài)結(jié)果的情況分別獨(dú)立測(cè)量，以平均值作為最終ADC值。

1.4 影像組學(xué)分析

影像組學(xué)分析流程包括：ROI 勾畫；影像組學(xué)特征提取；影像組學(xué)特征選擇；模型構(gòu)建和評(píng)價(jià)。本研究中ROI 勾畫和特征提取在Research Portal V1.1 平臺(tái)（上海聯(lián)影智能有限公司）完成。

ROI 勾畫：沿著原發(fā)腫瘤邊界逐層勾畫，盡量避開明顯囊變區(qū)域。最初由一名5 年診斷經(jīng)驗(yàn)的放射科住院醫(yī)師勾畫所有圖像ROI。一個(gè)月后，隨機(jī)選擇其中30 例患者圖像，由另一位7 年診斷經(jīng)驗(yàn)的放射科主治醫(yī)師重新繪制ROI，計(jì)算組間相關(guān)系數(shù)（inter-class correlation coefficient, ICC），以評(píng)估從兩名放射科醫(yī)生繪制的ROI 中提取影像組學(xué)特征的可重復(fù)性。兩名醫(yī)師除了知曉勾畫對(duì)象是PDAC 外，對(duì)LNM狀態(tài)不知曉。

影像組學(xué)特征提取：圖像預(yù)處理步驟包括像素歸一化和重采樣。每個(gè)ROI 中提取出1 094 個(gè)特征，包括從原始圖像中提取的104個(gè)特征（基于形態(tài)和大小特征、一階特征和紋理特征）和通過小波濾波器及高斯-拉普拉斯濾波器轉(zhuǎn)換得到的990 個(gè)特征。本研究共提取了來自T1WI、T2WI、動(dòng)脈期、門脈期及ADC圖的共5 470（1 094×5）個(gè)影像組學(xué)特征。

影像組學(xué)特征選擇：保留其中ICC≥0.75 的影像組學(xué)特征。采用最小絕對(duì)收縮和選擇算子（least absolute shrinkage and selection operator, LASSO）回歸選出最相關(guān)的特征用于下一步的模型構(gòu)建。根據(jù)LASSO回歸篩出的影像組學(xué)特征及其對(duì)應(yīng)的相關(guān)系數(shù)相乘之總和得到Radscore。

模型構(gòu)建：分別建立基于常規(guī)MRI 圖像（T1WI、T2WI、動(dòng)脈期及門脈期圖像）影像組學(xué)模型（影像組學(xué)模型1）和聯(lián)合常規(guī)MRI 及ADC 圖的影像組學(xué)模型（影像組學(xué)模型2）。在訓(xùn)練集中，通過單因素和多因素向前逐步邏輯回歸分析篩選出與LNM 相關(guān)的臨床及影像學(xué)特征，建立LNM 的術(shù)前診斷臨床影像學(xué)（clinical and radiographic, CR）模型。

模型效能評(píng)價(jià)：計(jì)算訓(xùn)練集和驗(yàn)證集中模型預(yù)測(cè)LNM 的受試者工作特征曲線下面積（area under the curve, AUC）值。以最大約登指數(shù)為最佳診斷截?cái)嘀?，?jì)算其對(duì)應(yīng)的敏感度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值和準(zhǔn)確率等評(píng)價(jià)指標(biāo)。使用DeLong 檢驗(yàn)比較各預(yù)測(cè)模型的診斷效能。采用校準(zhǔn)曲線和Hosmer-Lemeshow 檢驗(yàn)評(píng)估模型的校準(zhǔn)度。決策曲線分析（decision curve analysis, DCA）來評(píng)估模型的臨床實(shí)用性。

1.5 統(tǒng)計(jì)分析

統(tǒng)計(jì)分析軟件包括SPSS 22.0（SPSS Inc, Chicago,USA）、MedCalc Version 15.0（MedCalc Software Ltd.,Ostend, Belgium）和R軟件包（version 3.5.2）。分類資料用頻數(shù)（百分比）表示，其組間差異比較采用卡方檢驗(yàn)或Fisher 精確檢驗(yàn)。采用Kolmogorov-Smimov檢驗(yàn)連續(xù)性變量的正態(tài)性。正態(tài)分布數(shù)據(jù)用均值±標(biāo)準(zhǔn)差來表示，組間差異比較采用獨(dú)立樣本t檢驗(yàn)。非正態(tài)分布數(shù)據(jù)表示為中位數(shù)（四分位數(shù)間距），組間差異比較采用Mann-WhitaeyU檢驗(yàn)。AUC 評(píng)估模型的診斷效能。P＜0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料

本研究最終218例PDAC納入，伴L(zhǎng)NM 97例，不伴L(zhǎng)NM 121 例。按照7∶3 的比例隨機(jī)分為訓(xùn)練集（152例）和驗(yàn)證集（66例）。病例入組流程詳見圖1。

2.2 模型構(gòu)建

在訓(xùn)練集中，臨床及影像學(xué)特征單因素及多因素邏輯回歸結(jié)果顯示，術(shù)前CA19-9 升高、腫瘤大小、胰體尾萎縮及ADC 值是術(shù)前預(yù)測(cè)LNM 的獨(dú)立因素（表1），根據(jù)這4 個(gè)因素構(gòu)建出預(yù)測(cè)LNM 的CR 模型，并繪制了列線圖（圖2）。LASSO 回歸選擇出7個(gè)與LNM 最相關(guān)的影像組學(xué)特征（圖3A），包括3 個(gè)來自T2WI 圖像，3 個(gè)來自動(dòng)脈期圖像和1 個(gè)來自門脈期圖像的組學(xué)特征構(gòu)建影像組學(xué)模型1；選擇出11個(gè)與LNM相關(guān)的影像組學(xué)特征，包括2個(gè)來自T2WI圖像，3 個(gè)來自動(dòng)脈期圖像，1 個(gè)來自門脈期圖像和5 個(gè)來自ADC 圖的影像組學(xué)特征構(gòu)建影像組學(xué)模型2（圖3B）。

表1 預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的臨床及影像學(xué)特征單因素和多因素分析Tab.1 Univariate and multivariate analysis of clinical and radiological features of predicting lymph node metastasis in pancreatic ductal adenocarcinoma

圖2 臨床影像學(xué)模型術(shù)前預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移列線圖。圖3 LASSO回歸分析結(jié)果。3A：基于T1WI、T2WI、動(dòng)脈期和門脈期圖像影像組學(xué)特征進(jìn)行LASSO 回歸，篩選出與淋巴結(jié)轉(zhuǎn)移最相關(guān)的影像組學(xué)特征，構(gòu)建影像組學(xué)模型1；3B：基于T1WI、T2WI、動(dòng)脈期、門脈期圖像和ADC 圖的影像組學(xué)特征進(jìn)行LASSO回歸，篩選出與淋巴結(jié)轉(zhuǎn)移最相關(guān)的影像組學(xué)特征，構(gòu)建影像組學(xué)模型2。CA19-9：糖類抗原19-9；ADC：表觀擴(kuò)散系數(shù)；LASSO：最小絕對(duì)收縮和選擇算子。Fig.2 Nomogram of clinical radiological model for preoperatively predicting lymph node metastasis in pancreatic ductal adenocarcinoma.Fig.3 Results of LASSO regression analysis.3A: LASSO regression is used to select radiomics features from T1WI, T2WI, arterial phase and portal venous phase images to develop radiomics model 1; 3B: LASSO regression is performed on the radiomics features derived from T1WI, T2WI, arterial phase, portal venous phase images and ADC maps to select to develop radiomics model 2.CA19-9: carbohydrate antigen 19-9; ADC: apparent diffusion coefficient; LASSO: least absolute shrinkage and selection operator.

2.3 模型效能評(píng)價(jià)

影像組學(xué)模型2 術(shù)前預(yù)測(cè)LNM 的AUC 值最高，高于CR 模型（訓(xùn)練集：0.854 vs.0.741，P=0.009；驗(yàn)證集：0.839 vs.0.674，P=0.023）及影像組學(xué)模型1（訓(xùn)練集：0.854 vs.0.818，P=0.044；驗(yàn)證集：0.839 vs.0.702，P=0.041），差異具有統(tǒng)計(jì)學(xué)意義；影像組學(xué)模型1 的預(yù)測(cè)效能高于CR 模型（訓(xùn)練集：0.818 vs.0.741，P=0.095；驗(yàn)證集：0.702 vs.0.674，P=0.759），但差異不具有統(tǒng)計(jì)學(xué)意義（表2、圖4）。

表2 不同模型術(shù)前預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的效能Tab.2 The efficacy of different models in preoperative prediction of lymph node metastasis in pancreatic ductal adenocarcinoma

圖4 不同模型術(shù)前預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的受試者工作特征曲線。4A：訓(xùn)練集；4B：驗(yàn)證集。AUC：曲線下面積；CR model（CR 模型）：臨床及影像學(xué)模型；radiomics model 1（影像組學(xué)模型1）：基于常規(guī)MRI影像組學(xué)特征建立的模型；radiomics model 2（影像組學(xué)模型2）：聯(lián)合常規(guī)MRI和表觀擴(kuò)散系數(shù)圖影像組學(xué)特征建立的模型。圖5 不同模型預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的校準(zhǔn)曲線圖。ADC：表觀擴(kuò)散系數(shù)。Fig.4 Receiver operating characteristic curves of different models for preoperatively predicting lymph node metastasis in pancreatic ductal adenocarcinoma.4A:training set; 4B: validation set.AUC: area under the curve; CR model: clinical and radiological model; radiomics model 1: the model based on conventional MRI radiomics features; radiomics model 2: combined radiomics features of conventional MRI and apparent diffusion coefficientmap.Fig.5 Calibration curves of different models for predicting lymph node metastasis in pancreatic ductal adenocarcinoma.ADC: apparent diffusion coefficient.

校準(zhǔn)曲線分析顯示單個(gè)模型術(shù)前預(yù)測(cè)LNM 時(shí)預(yù)測(cè)概率的估計(jì)值和實(shí)際觀察值之間均具有較好的一致性（圖5）。三個(gè)模型預(yù)測(cè)LNM 的DCA 顯示，訓(xùn)練集和驗(yàn)證集中的大部分閾值概率范圍內(nèi)，影像組學(xué)模型2 比影像組學(xué)模型1 和CR 模型具有更高的凈效益（圖6）。圖7 顯示一例PDAC 患者，病理診斷伴有LNM，影像組學(xué)模型2 評(píng)估正確，而影像組學(xué)模型1及CR模型評(píng)估錯(cuò)誤。圖8顯示一例PDAC患者，病理不伴L(zhǎng)NM，影像組學(xué)模型2、影像組學(xué)模型1 以及CR模型均評(píng)估正確。

圖6 不同模型術(shù)前預(yù)測(cè)胰腺導(dǎo)管腺癌淋巴結(jié)轉(zhuǎn)移的決策曲線圖。6A：訓(xùn)練集；6B：驗(yàn)證集。CR model（CR 模型）：臨床及影像學(xué)模型；radiomics model 1（影像組學(xué)模型1）：基于常規(guī)MRI 影像組學(xué)特征建立的模型；radiomics model 2（影像組學(xué)模型2）：聯(lián)合常規(guī)MRI和表觀擴(kuò)散系數(shù)圖影像組學(xué)特征建立的模型。Fig.6 Decision curves of different models for preoperatively predicting lymph node metastasis in pancreatic ductal adenocarcinoma.6A: training set; 6B: validation set.CR model: clinical and radiological model;radiomics model 1: the model based on conventional MRI radiomics features; radiomics model 2: combined radiomics features of conventional MRI and apparent diffusion coefficientmap.

圖7 男，66歲，胰頸后部見稍長(zhǎng)T2信號(hào)（7A，箭），動(dòng)脈期低強(qiáng)化（7B，箭），擴(kuò)散加權(quán)成像圖像呈稍高信號(hào)（7C，箭），表觀擴(kuò)散系數(shù)圖像呈稍低信號(hào)（7D，箭），腫瘤大小2.4 cm，病理診斷為胰腺導(dǎo)管腺癌，伴有淋巴結(jié)轉(zhuǎn)移。聯(lián)合常規(guī)MRI和表觀擴(kuò)散系數(shù)圖影像組學(xué)特征建立的影像組學(xué)模型2預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移陽性，基于常規(guī)MRI影像組學(xué)特征建立的影像組學(xué)模型1和臨床影像學(xué)模型預(yù)測(cè)淋巴結(jié)陰性。Fig.7 A 66-year-old male patient presented with slightly hyperintense T2 signal in the posterior part of the pancreatic neck (7A, arrow), hypoenhancement in the arterial phase (7B, arrow), slightly hyperintensity on diffusion-weighted imaging (7C, arrow), and slightly hypointensity on apparent diffusion coefficient images(7D, arrow).The tumor size was 2.4 cm.The tumor was pathologically diagnosed as pancreatic ductal adenocarcinoma with lymph node metastasis.Radiomics model 2 based on conventional MRI radiomics features and apparent diffusion coefficient map radiomics features predicted positive lymph node metastasis, and radiomics model 1 based on conventional MRI radiomics features and clinical and radiological model predicted negative lymph nodes.

圖8 男，47歲，胰頭鉤突見稍長(zhǎng)T2信號(hào)（8A，箭），動(dòng)脈期低強(qiáng)化（8B，箭），擴(kuò)散加權(quán)成像圖像呈高信號(hào)（8C，箭），表觀擴(kuò)散系數(shù)圖像呈低信號(hào)（8D，箭），腫瘤大小2.2 cm，病理診斷胰腺導(dǎo)管腺癌，不伴有淋巴結(jié)轉(zhuǎn)移。聯(lián)合常規(guī)MRI和表觀擴(kuò)散系數(shù)圖影像組學(xué)特征建立的影像組學(xué)模型2、基于常規(guī)MRI影像組學(xué)特征的影像組學(xué)模型1和臨床影像學(xué)模型均預(yù)測(cè)為淋巴結(jié)陰性。Fig.8 A 47-year-old male patient presented with slightly hyperintense T2 signal in the uncinate process of pancreatic head (8A, arrow), hypoenhancement in the arterial phase (8B, arrow), hyperintensity on diffusion-weighted imaging (8C, arrow), and hypointensity on apparent diffusion coefficient images (8D, arrow).The tumor size was 2.2 cm.The tumor was pathologically diagnosed as pancreatic ductal adenocarcinoma without lymph node metastasis.Radiomics model 2 based on conventional MRI radiomics features and apparent diffusion coefficient map radiomics features, radiomics model 1 based on conventional MRI radiomics features,and clinical and radiological model predicted negative lymph nodes.

3 討論

本研究發(fā)現(xiàn)聯(lián)合常規(guī)MRI 及ADC 圖影像組學(xué)特征構(gòu)建的多參數(shù)MRI影像組學(xué)模型具有術(shù)前預(yù)測(cè)PDAC 患者LNM 的潛能，且其預(yù)測(cè)效能優(yōu)于基于常規(guī)MRI 的影像組學(xué)模型和臨床模型，可作為術(shù)前評(píng)估PDAC患者淋巴結(jié)狀態(tài)的方法。

3.1 臨床及影像學(xué)特征術(shù)前預(yù)測(cè)PDAC LNM

本研究中，腫瘤大小、術(shù)前CA19-9 升高、胰體尾萎縮及ADC 值是術(shù)前預(yù)測(cè)LNM 獨(dú)立的預(yù)測(cè)因素。LNM 與原發(fā)腫瘤大小有關(guān)，原發(fā)腫瘤增大是LNM 的危險(xiǎn)因素，這與報(bào)道的文獻(xiàn)結(jié)果一致[8]。術(shù)前CA19-9 對(duì)LNM 預(yù)測(cè)有一定價(jià)值，但目前文獻(xiàn)報(bào)道CA19-9預(yù)測(cè)LNM的截?cái)嘀挡⒉唤y(tǒng)一[9-10]。

LEE 等[11]測(cè)量胰腺癌區(qū)域淋巴結(jié)的ADC 值，發(fā)現(xiàn)轉(zhuǎn)移性淋巴結(jié)的ADC值明顯低于良性淋巴結(jié)。轉(zhuǎn)移性淋巴結(jié)的腫瘤細(xì)胞數(shù)量和核質(zhì)比的增加以及惡性腫瘤細(xì)胞外間隙的減少限制了水的擴(kuò)散，導(dǎo)致ADC 減低。但是在實(shí)際臨床工作中，測(cè)量淋巴結(jié)ADC 值來診斷LNM 難以操作。因?yàn)橥ǔ^(qū)域內(nèi)有多發(fā)淋巴結(jié)，難以確定以測(cè)量哪個(gè)淋巴結(jié)為標(biāo)準(zhǔn)。其次轉(zhuǎn)移淋巴結(jié)和正常淋巴結(jié)均較小，容易導(dǎo)致ADC 值測(cè)量可重復(fù)性差。LNM 已被證明與多種情況下原發(fā)腫瘤的組織學(xué)特征和影像學(xué)表現(xiàn)有關(guān)[12]。本研究是通過測(cè)量PDAC原發(fā)腫瘤的ADC值來預(yù)測(cè)LNM，發(fā)現(xiàn)伴有LNM 患者原發(fā)腫瘤ADC 值顯著性低于不伴有LNM患者，與SHI等[13]研究一致。

3.2 影像組學(xué)術(shù)前預(yù)測(cè)PDAC LNM

目前一些研究表明，基于CT 的影像組學(xué)在預(yù)測(cè)PDAC 的LNM 方面有價(jià)值[14-17]。與CT 相比，MRI 無電離輻射暴露，提供了更好的軟組織分辨率，在診斷早期PDAC 方面優(yōu)于CT[18]。本研究勾畫了整個(gè)腫瘤并從和多序列、多期MRI圖像中提取影像組學(xué)特征，綜合反映腫瘤異質(zhì)性[19]。本研究提取常規(guī)MRI 圖像的影像組學(xué)特征來構(gòu)建影像組學(xué)模型，發(fā)現(xiàn)術(shù)前預(yù)測(cè)LNM 具有良好的準(zhǔn)確性，訓(xùn)練集診斷準(zhǔn)確度為76.3%，驗(yàn)證集診斷準(zhǔn)確度為71.2%，這與既往研究[20-23]的研究結(jié)果一致。但SHI等[20]研究是將≤3枚陽性淋巴結(jié)定義為陰性LNM，＞3 枚陽性淋巴結(jié)定義為陽性LNM。因此，他們建立的模型實(shí)際上是區(qū)分PDAC 的N0/N1 和N2 期LNM。本研究發(fā)現(xiàn)基于常規(guī)MRI 影像組學(xué)模型有助于無創(chuàng)地術(shù)前預(yù)測(cè)PDAC淋巴結(jié)狀態(tài)，診斷效能高于本研究建立的CR 模型，但差異無統(tǒng)計(jì)學(xué)意義。

本研究提取ADC 圖的影像組學(xué)特征，發(fā)現(xiàn)基于聯(lián)合常規(guī)MRI 和ADC 功能圖構(gòu)建的影像組學(xué)模型對(duì)LNM 的預(yù)測(cè)能力最高，顯著性高于基于常規(guī)MRI圖像構(gòu)建的影像組學(xué)模型和CR 模型，這進(jìn)一步說明了ADC 對(duì)預(yù)測(cè)LNM 的重要價(jià)值?；贏DC 圖的影像組學(xué)模型對(duì)LNM 的預(yù)測(cè)能力已在宮頸癌、直腸癌、子宮內(nèi)膜癌及前列腺癌等腫瘤中得到驗(yàn)證[24-30]。WU 等[26]在研究影像組學(xué)評(píng)價(jià)宮頸鱗狀細(xì)胞癌病理特征時(shí)發(fā)現(xiàn)，功能圖對(duì)宮頸鱗狀細(xì)胞癌的病理特征鑒別價(jià)值優(yōu)于解剖圖，ADC 圖對(duì)LNM 的預(yù)測(cè)效能最好，與本研究一致。既往有研究構(gòu)建基于DWI 圖像影像組學(xué)特征來預(yù)測(cè)LNM[31-32]。本研究是提取ADC圖的影像組學(xué)特征，而不是DWI 圖像。這是考慮到DWI 的信號(hào)強(qiáng)度變化取決于組織的ADC 狀態(tài)和運(yùn)動(dòng)敏感梯度。b 值的選擇會(huì)顯著影響DWI 圖像的紋理分析[24]。ADC 目前已廣泛運(yùn)用于臨床，ADC 影像組學(xué)特征有望將來在協(xié)助LNM評(píng)估中發(fā)揮作用。

3.3 局限性及展望

首先，本研究影像組學(xué)模型是單中心回顧性研究，僅進(jìn)行了內(nèi)部驗(yàn)證，未來可以進(jìn)一步擴(kuò)大樣本量，納入多中心的數(shù)據(jù)，進(jìn)行外部驗(yàn)證以及前瞻性驗(yàn)證，增加模型的泛化性；其次，僅研究了ADC 圖的影像組學(xué)特征，未來可以進(jìn)一步探究體素內(nèi)不相干運(yùn)動(dòng)、擴(kuò)散峰度成像等功能成像的影像組學(xué)特征預(yù)測(cè)PDAC患者LNM 的價(jià)值；最后，本研究由于樣本量較少，未進(jìn)一步探索N1、N2 期分類以及N0、N1、N2 三分類模型；另外，目前胰腺影像組學(xué)研究病灶的勾畫多是基于人工手動(dòng)勾畫，費(fèi)時(shí)費(fèi)力，未來準(zhǔn)確的半自動(dòng)或全自動(dòng)分割方式使影像組學(xué)操作盡可能簡(jiǎn)化，增加影像組學(xué)在臨床應(yīng)用的可能性。

4 結(jié)論

綜上所述，聯(lián)合常規(guī)MRI 及ADC 圖建立的多參數(shù)MRI 影像組學(xué)模型具有術(shù)前預(yù)測(cè)LNM 的潛能，且效能顯著性優(yōu)于常規(guī)MRI影像組學(xué)模型及CR 模型，為影像組學(xué)在胰腺癌的個(gè)性化綜合治療提供參考。

作者利益沖突聲明：全體作者均聲明無利益沖突。

作者貢獻(xiàn)聲明：袁慧書設(shè)計(jì)并實(shí)施本研究的方案，參與論文重要內(nèi)容的修改，獲得北京市自然科學(xué)基金項(xiàng)目資助；曾飄娥醞釀設(shè)計(jì)并實(shí)施研究，起草和撰寫稿件，參與論文重要內(nèi)容的修改，獲取、分析和解釋本研究的數(shù)據(jù)；曲超、崔晶晶、修典榮、劉劍羽獲取、分析或解釋本研究的數(shù)據(jù)，對(duì)論文重要內(nèi)容進(jìn)行了修改；全體作者都同意發(fā)表最后的修改稿，同意對(duì)本研究工作各方面的誠(chéng)信問題負(fù)責(zé)。