📌 期刊名称：Insights Imaging. 《影像洞察》
📌 影响因子（2023）: 4.7 (2区Q1)
文章标题：38353857-Development and validation of a model for predicting the expression of Ki-67 in pancreatic ductal adenocarcinoma with radiological features and dual-energy computed tomography quantitative parameters
研究机构： Chongqing General Hospital
作者：Youjia Wen 1, Zuhua Song 1, Qian Li 1, Dan Zhang 1, Xiaojiao Li 1, Jiayi Yu 1, Zongwen Li 1, Xiaofang Ren 1, Jiayan Zhang 1, Qian Liu 1, Jie Huang 1, Dan Zeng 1, Zhuoyue Tang 2
发表日期： 2024
📖 阅读链接：doi: 10.1186/s13244-024-01617-8.
🔍 1.背景：胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma, PDAC）是一种高度侵袭性的恶性肿瘤，其全球癌症相关死亡率居高不下。Ki-67作为一种重要的细胞增殖标志物，能够反映肿瘤细胞的增殖活性，且与患者的预后密切相关。然而，当前Ki-67的评估主要依赖侵入性的组织活检，这不仅存在一定的手术风险，还可能因样本代表性不足而影响评估准确性。因此，开发一种非侵入性且高效的方法来预测Ki-67的表达水平，对于优化PDAC患者的治疗策略具有重要的临床意义。
2. 研究目标
本研究旨在基于光谱CT定量参数与放射学特征，构建并验证一个预测PDAC患者Ki-67表达水平的模型，以期提供一种可靠的非侵入性评估工具，辅助临床决策。
3. 方法
本研究回顾性纳入143例经病理确诊的PDAC患者，收集其临床资料、放射学影像及光谱CT数据。在动脉期和门静脉期，分别测量标准化碘浓度（Normalized Iodine Concentration, NIC）、标准化有效原子序数（Normalized Effective Atomic Number, NZef）及光谱衰减曲线的斜率。通过单因素分析筛选与Ki-67表达显著相关的变量，随后采用前向逐步逻辑回归法构建放射学模型（Radiology Model）、光谱CT模型及综合模型（光谱CT-Radiology Model）。模型的诊断效能通过受试者工作特征曲线（Receiver Operating Characteristic, ROC）和决策曲线分析（Decision Curve Analysis, DCA）进行评估。
4. 统计方法
·单因素分析（t检验、U检验、卡方检验）：用于初步筛选与Ki-67表达相关的潜在预测因素。
·前向逐步逻辑回归：在单因素分析的基础上，筛选出独立的预测因素，构建多变量预测模型。
·ROC曲线分析：评估各预测模型的敏感性和特异性，计算曲线下面积（Area Under Curve, AUC）以量化模型的区分能力。
·DCA：评估模型在不同临床决策阈值下的净收益，判断其临床应用价值。
5. 结果
研究结果显示，CT报告中的区域淋巴结状态、门静脉期的标准化碘浓度（NIC）及标准化有效原子序数（NZef）是预测Ki-67高表达的独立因素。综合考虑光谱CT定量参数与放射学特征的光谱CT-Radiology模型在训练组和验证组的AUC分别为0.905和0.865，表明该模型具备优良的预测性能。此外，DCA结果显示该模型在多种临床决策阈值下均具有较高的净收益，进一步支持其临床应用价值。
6. 讨论
本研究的创新之处在于首次将光谱CT的定量参数与传统放射学特征相结合，构建了一个高效的非侵入性Ki-67表达预测模型。相比于传统的组织活检方法，光谱CT-Radiology模型不仅减少了侵入性操作的风险，还能提供全肿瘤范围的评估，提升了预测的准确性和可靠性。该模型在临床中的应用，可帮助医生在术前识别高Ki-67表达的PDAC患者，从而为其制定个性化的治疗方案，优化预后。
7. 结论
基于光谱CT定量参数与放射学特征的模型展示了优异的预测PDAC患者Ki-67表达水平的能力，为PDAC患者的个体化治疗提供了重要的参考依据。
8. 进一步研究建议
1.扩大样本量：通过多中心合作，纳入更多PDAC患者，以验证模型的普适性和稳定性。
2.探索更多影像学指标：研究其他DECT参数及高级影像学特征（如纹理分析、机器学习算法）与Ki-67表达之间的关系，进一步提升预测模型的精度。
3.纵向随访研究：评估该预测模型在不同临床背景下（如不同治疗方案、不同疾病阶段）的应用效果，探讨其对患者预后的长期影响。
4.多模态影像融合：结合其他影像学技术（如磁共振成像、PET-CT）的数据，构建更加全面和精确的预测模型。
9. 知识问答
1. Ki-67是哪个类型的标志物？
A. 免疫组织化学标志物
B. 生物化学标志物
C. 遗传标志物
D. 影像学标志物
2. 本研究中，使用何种CT技术来评估PDAC？
A. 常规CT
B. 磁共振成像
C. 光谱CT
D. 超声波成像
3. 研究中用于评估模型效能的统计方法是什么？
A. 方差分析
B. ROC曲线分析
C. 线性回归
D. 生存分析
答案：1.A 2.C 3.B
ae: 常规CT图像（白色箭头为淋巴结）
bf: 碘密度图（门静脉期）
cg: 碘密度图（平衡期）
dh: 病理切片图
（上排Ki-67=30%，下排Ki-67=60%）
参考文献(两日内回复文章标题即可获取原文，超过两日请单独回复PMID）：
Wen Y, Song Z, Li Q, Zhang D, Li X, Yu J, Li Z, Ren X, Zhang J, Liu Q, Huang J, Zeng D, Tang Z. Development and validation of a model for predicting the expression of Ki-67 in pancreatic ductal adenocarcinoma with radiological features and dual-energy computed tomography quantitative parameters. Insights Imaging. 2024 Feb 14;15(1):41. doi: 10.1186/s13244-024-01617-8. PMID: 38353857; PMCID: PMC10866831.
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
