📌 期刊名称：Eur Radiol.
📌 影响因子（2023）: 4.7 (2区Q1)
文章标题：Spectral CT-based nomogram for preoperative prediction of Lauren classification in locally advanced gastric cancer: a prospective study
研究机构： Tianjin Medical University Cancer Institute and Hospital
作者：Juan Zhang # 1 2, Chao Su # 3, Yuyang Zhang 4, Rongji Gao 2, Xiaomei Lu 5, Jing Liang 4, Haiwei Liu 5, Song Tian 5, Yitao Zhang 2, Zhaoxiang Ye 6
发表日期： 2024 Nov 13
📖 阅读链接：doi: 10.1007/s00330-024-11163-y.
🔍 背景：Lauren分类是一种常用的胃腺癌组织学分类方法，包括肠型、弥漫型和混合型，不同亚型在临床病理特征和预后上存在显著差异。肠型胃癌对化疗敏感，而弥漫型胃癌侵袭性更强，预后较差。术前确定Lauren分类有助于制定个体化治疗策略，但传统方法如内镜活检因侵入性强且准确性有限，需探索更有效的非侵入性术前诊断方法。光谱CT通过提供定量参数（如碘浓度、有效原子数和能谱曲线斜率）为预测Lauren分类提供了新手段。
📄 摘要
目的：本研究旨在基于光谱CT定量参数与临床特征，开发用于术前预测局部晚期胃癌（LAGC）Lauren分类的列线图模型，并评估其诊断性能。
方法：前瞻性纳入72例确诊为LAGC并接受三期增强光谱CT检查的患者，根据术后病理分为肠型（n=34）和弥漫型（n=38）。腹部三期增强光谱CT扫描，包括动脉期（AP）、静脉期（VP）和延迟期（DP）。通过光谱基数据包（SBI）获取定量参数：碘浓度（IC）、标准化碘浓度（nIC）、有效原子数（Zeff）、标准化Zeff（nZeff）和能谱曲线斜率（λ）。
统计学：（难度☆☆☆☆）
1.独立样本 t 检验（Student's t-test）：用于比较两组独立样本的均值差异，假设数据符合正态分布且方差相等，评估连续变量（如测量值）在两组之间是否存在显著性差异。
2.Mann–Whitney U 检验：一种非参数检验方法，适用于比较两组独立样本的中位数差异，当数据不符合正态分布时使用，评估连续变量在两组之间的差异。
3.卡方检验（χ² 检验）：用于分析分类变量之间的关联性，比较两组或多组之间分类变量的频数分布是否存在显著差异，适用于样本量较大的情况。
4.Fisher 精确检验：用于评估分类变量之间的关联性，特别适用于样本量较小或某些分类频数较低的情况，提供精确的显著性概率。
5.多因素逻辑回归分析：用于筛选影响 LAGC（进展期胃癌）Lauren 分类的独立预测因素，评估多个自变量对分类因变量的影响，控制混杂因素的干扰。
6.受试者工作特征曲线（ROC 曲线）分析：通过绘制 ROC 曲线，评估各参数在区分两组中的鉴别能力，曲线下面积（AUC）用于量化诊断效能。
7.曲线下面积（AUC）及 95% 置信区间（CI）计算：计算 AUC 及其 95% 置信区间，用于比较不同参数的鉴别能力，AUC 值越大，表示诊断性能越好。
8.Youden 指数：用于确定 ROC 曲线分析中的最佳临界值（cut-off value），通过最大化（敏感度 + 特异度 - 1）来优化诊断测试的整体效能。
9.显著性水平设定（P < 0.05）：统计学显著性定义为 P 值小于 0.05，表示结果在统计学上具有显著性差异，支持研究假设。
结果：
1.传统特征：
- 性别（女性多见于弥漫型，p=0.004）与Lauren分类相关。
- 弥漫型胃癌中CT报告的浆膜侵犯（p<0.001）、Borrmann III/IV型（p=0.002）和低分化程度（p<0.001）更常见。
2.光谱定量参数：
- AP期nIC（p=0.02）在肠型组高于弥漫型组。
- DP期的λ（λd，p=0.001）在弥漫型组高于肠型组。
- 其他参数如VP期的差异不显著。
3.诊断性能：
- λd的AUC最高（0.731），特异性78.9%。
- 结合临床特征（性别）和光谱定量参数（AP-nIC和λd）的模型AUC为0.841，敏感性为68.4%，特异性为85.3%。
要点讨论：
1.光谱CT参数的价值：AP期的nIC反映功能性毛细血管密度，与肠型胃癌的早期增强特性相关。DP期的λ反映肿瘤微环境中无功能新生血管的比例，与弥漫型胃癌的侵袭性相关。
2.模型优点：结合临床特征和光谱CT参数的列线图可有效区分肠型和弥漫型胃癌，为个性化治疗提供依据。
3.临床意义：该模型可帮助预测患者是否适合新辅助化疗及确定手术切除范围。
结论：基于光谱CT定量参数和临床特征的列线图模型可用于术前预测局部晚期胃癌的Lauren分类，提供了一种非侵入性、可靠的诊断工具。
🌟 亮点
新发现：肠型胃癌动脉期nIC较高，而弥漫型胃癌延迟期λ较高
创新点：本研究首次结合光谱CT参数和临床特征，构建了术前预测Lauren分类的列线图模型，为个体化治疗提供了重要参考。
💡 意义：本研究成果可指导患者术前新辅助化疗的选择，为外科医生制定精准的手术计划提供依据，特别是在弥漫型胃癌需更大切除范围时。
A-D: 肠型胃癌(动脉期nIC较高)
I-L: 弥漫型胃癌(延迟期λ较高)
(从左往右依次为：70keV、40keV、ID、Zeff图像）
💡 深入研究建议：1.建议在多中心大样本研究中验证本模型的稳定性。2.探讨其他光谱CT参数在胃癌分型中的应用。
💡 Test：在本研究中，预测弥漫型胃癌的独立光谱CT参数是什么？
A. AP期nIC
B. DP期λ（λd）
C. VP期Zeff
D. DP期nZeff
参考文献(两日内回复文章标题获取原文）：
Zhang J, Su C, Zhang Y, Gao R, Lu X, Liang J, Liu H, Tian S, Zhang Y, Ye Z. Spectral CT-based nomogram for preoperative prediction of Lauren classification in locally advanced gastric cancer: a prospective study. Eur Radiol. 2024 Nov 13. doi: 10.1007/s00330-024-11163-y. Epub ahead of print. PMID: 39532722.
不再声明原创声明：为了严格遵守平台规定，本系列内容将不再声明原创（原作者投稿除外）。我们坚信，与广大的读者共同提高、共同进步，才是我们坚持不懈地制作高质量内容的主要动力和核心原因。我们希望通过这个平台，与大家分享知识、交换见解，共同成长，而不仅仅是追求原创带来的收益。感谢每一位读者的支持和理解，我们将继续努力，为您带来更多有价值的内容。
👉 想了解更多？请访问期刊官网阅读全文或回复文章标题直接获取全文。
欢迎交流和讨论，期待您的留言！#最新文献 #科研前沿 #见刊时刻
