📌 期刊名称：Insights Imaging. 《影像洞察》
📌 影响因子（2023）: 4.7 (2区Q1)
文章标题：39636501-Development and validation of a model based on preoperative dual-layer detector spectral computed tomography 3D VOI-based quantitative parameters to predict high Ki-67 proliferation index in pancreatic ductal adenocarcinoma
研究机构： Chongqing General Hospital
作者：Dan Zeng # 1, Jiayan Zhang # 1, Zuhua Song 1, Qian Li 1, Dan Zhang 1, Xiaojiao Li 1, Youjia Wen 1, Xiaofang Ren 1, Xinwei Wang 1, Xiaodi Zhang 2, Zhuoyue Tang 3
发表日期： 2024 Dec 5
📖 阅读链接：doi: 10.1186/s13244-024-01864-9.
🔍 1.背景：胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma，PDAC）是一类恶性程度极高的消化系统肿瘤，其死亡率居高不下，5年生存率仅约12%。Ki-67作为一种核增殖抗原，是评价细胞增殖活性的经典指标，其高表达（Ki-67增殖指数≥50%）通常提示PDAC患者具有更差的预后和更具侵袭性的生物学行为。因此，Ki-67的精准评估对于制定个体化治疗方案、筛选高风险患者以及改善预后至关重要。传统Ki-67检测依赖病理组织免疫组化（IHC），该方法虽为“金标准”，但局限于需要有创取样和可能产生取样偏倚、异质性以及延迟诊断的风险。近年来，非侵入性影像学评价工具的快速发展为精准肿瘤学诊断与预后评估提供了新的可能。其中，双层探测器光谱CT（Dual-layer Spectral CT, DLCT）可同时获取多参数信息，为评估肿瘤组织代谢特征及微血管密度分布提供了潜在的客观定量参数。
2. 研究目标
本研究旨在构建并验证结合DLCT的三维全肿瘤体积感兴趣区（3D Volume of Interest, VOI）定量参数与临床特征的综合预测模型，实现PDAC高Ki-67增殖指数患者的术前无创识别。通过构建列线图可视化该模型，以期为临床医师提供一种可靠的决策辅助工具，从而优化新辅助治疗策略并提升患者整体生存质量。
3. 研究方法
·研究对象及分组：共纳入162例经病理证实为PDAC的患者，将其中114例作为训练集，48例作为独立验证集。
·影像数据采集：在门静脉期（PVP）利用DLCT获取3D VOI参数，包括碘浓度（Iodine Concentration, IC）、光谱曲线斜率（λHU）以及有效原子序数（Zeff）。3D VOI分析较传统2D ROI法减少了操作者主观影响，并更全面评估了肿瘤的空间异质性。
·统计及建模分析：
1.利用单因素分析筛选在高/低Ki-67增殖指数组间显著差异的临床及影像参数。
2.将显著变量纳入多变量逻辑回归模型，识别独立预测因子并计算比值比（Odds Ratio, OR）及95%置信区间（CI）。
3.分别构建单纯临床模型、仅包含DLCT参数模型和综合DLCT-临床模型，比较三者的预测性能。
4.使用ROC曲线分析和DeLong检验评价模型辨别能力和统计学差异；利用决策曲线分析（Decision Curve Analysis, DCA）验证模型在不同决策阈值下的临床净收益。
5.最终通过列线图实现模型的可视化展示，并用校准曲线验证预测概率与实际观察值的一致性。
4. 深度统计方法解读
·单因素分析（Univariate Analysis）：通过Mann-Whitney U检验、独立样本t检验及卡方检验等统计方法识别在高Ki-67增殖指数组（Ki-67 PI≥50%）与低Ki-67增殖指数组（Ki-67 PI<50%）间存在显著差异的潜在预测因子。
·多变量逻辑回归分析（Multivariate Logistic Regression）：将经单因素分析显著的变量纳入多因素模型，剔除共线性和无显著意义因素，以确定独立预测Ki-67高表达的特征，并计算其OR及95% CI。
·模型评价与比较：
oROC曲线：通过计算AUC评估模型的区分能力，AUC越接近1，模型预测性能越佳。
oDeLong检验：对比不同模型间的AUC差异是否具有统计学意义。
o决策曲线分析（DCA）：评估模型在不同风险阈值下对临床决策的潜在增益，为临床实用价值提供更直观的参考。
·列线图构建与校准：基于最终选定的多变量模型构建列线图，以可视化呈现各预测因子对高Ki-67概率的贡献。使用校准曲线（Calibration Curve）评估预测概率与实际发生率的一致性，从而确定模型的校准度。
5. 研究结果
·独立预测因子：CA125（OR=11.400, p<0.001）与3D VOI-IC（OR=0.014, p<0.001）被识别为预测高Ki-67增殖指数的关键独立变量。这提示肿瘤标志物与肿瘤内微循环参数的联合作用可提供可靠的生物学指征。
·模型对比与性能评估：
oDLCT-临床综合模型在训练集与验证集中的AUC分别达到0.939与0.915，明显优于单独临床模型（AUC=0.763,0.694）及单纯DLCT模型（AUC=0.874,0.869）。
oDCA显示DLCT-临床模型在大多数风险阈值下都具有更高的净临床收益，有助于临床决策。
o所构建的列线图拟合良好，可直观用于个体化风险预测。
6. 讨论
·研究创新点：本研究首次利用DLCT全肿瘤体积定量参数与临床生物标志物相结合的综合模型，实现PDAC患者高Ki-67增殖指数的术前无创预测。
·DLCT参数的临床价值：3D VOI-IC作为表征肿瘤内碘分布的关键参数，从侧面反映肿瘤血流灌注与微血管生成程度，为精准预测肿瘤增殖活性提供了新型量化维度。
·三维全肿瘤分析优势：相较于传统二维ROI评价方法，3D VOI分析可全面捕捉肿瘤空间异质性和代谢特征，减少观察者偏差并提高可重复性。
·临床转化与应用前景：
o该DLCT-临床模型在识别高风险PDAC患者方面具有潜在指导价值，或可协助临床制定更加精准的个体化治疗方案（如考虑新辅助治疗）。
o本方法为快速、经济、无创的影像学检测手段，减轻了患者对有创检查的依赖，缩短了诊断流程，提升整体医疗质量。
7. 结论
本研究构建的基于DLCT 3D VOI-IC参数与CA125的复合模型具有出色的预测性能，可在PDAC患者术前快速、精准地预测Ki-67增殖指数的高低，为个体化治疗决策提供有力辅助。
8. 展望与进一步研究方向
·优化DLCT参数及技术规范：开展大规模、多中心前瞻性研究，以验证DLCT 3D VOI参数的跨中心稳定性与可靠性，并制定相应的标准化流程。
·整合多维生物标志物：考虑引入更多影像组学特征（如纹理分析）、分子标志物或代谢指标，进一步提升模型的预测精度。
·动态预测与随访评估：建立可动态更新的预测模型，将后续的影像随访与治疗反应纳入分析框架，以实现对Ki-67增殖指数的纵向跟踪与评价。
·机器学习与深度学习辅助：利用高阶机器学习或深度学习算法对多维度数据进行融合分析，有望获得更高预测精准度和临床实用性。
9.知识点及答案解析：
1.Ki-67增殖指数（PI）高低与哪项因素不相关？
A. 肿瘤的不良预后
B. PDAC的新辅助治疗选择
C. CT扫描层厚
D. 病理样本的异质性
答案: C
解析：Ki-67增殖指数越高通常提示肿瘤生物学行为更活跃、不良预后风险增大并可能影响治疗方案决策；而样本异质性也影响Ki-67检测结果的一致性。
2.在DLCT 3D VOI参数中，何者最能反映肿瘤血流分布？
A. 3D VOI-HU40keV
B. 3D VOI-IC（碘浓度）
C. 3D VOI-Zeff（有效原子序数）
D. 3D VOI-λHU（光谱曲线斜率）
答案: B
解析：碘浓度（IC）是血管分布和血流灌注的直接量化指标，可敏锐反映肿瘤的微循环特点。
3.本研究中DLCT-临床模型的优势不包括哪项？
A. 显著提高PDAC高Ki-67 PI的预测性能
B. 提供一种无创的术前评估工具
C. 可完全替代免疫组化（IHC）检测
D. 减少了观察者偏倚
答案: C
解析：模型显著提高预测性能、实现无创化评估、并通过3D VOI降低观察者主观偏差。但目前尚无法完全取代病理IHC。
4.开展多变量逻辑回归分析的主要目的是什么？
A. 确定独立预测因子
B. 比较不同组间变量的显著性差异
C. 用于列线图的构建
D. 验证模型的临床适用性
答案: A, C
解析：多变量逻辑回归可从一组候选变量中识别出具有独立预测价值的因素，并为列线图构建提供参数估计。
ABC: 常规CT图像
D: 40keV图像
E: 100keV图像
F: 碘密度图
G：有效原子序数图
H：病理图片Ki67=70%
10.参考文献(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）：
Zeng D, Zhang J, Song Z, Li Q, Zhang D, Li X, Wen Y, Ren X, Wang X, Zhang X, Tang Z. Development and validation of a model based on preoperative dual-layer detector spectral computed tomography 3D VOI-based quantitative parameters to predict high Ki-67 proliferation index in pancreatic ductal adenocarcinoma. Insights Imaging. 2024 Dec 5;15(1):291. doi: 10.1186/s13244-024-01864-9. PMID: 39636501.
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
本期作者：曾 丹
技术支持：张潇迪
排版编辑：Colin
校 稿：于胜会
审 稿：关光华
END
