基于动脉期 CT 影像组学无创预测胰腺实性假乳头状瘤（pSPN）中 Ki-67 增殖指数的研究及意义

为解决术前预测胰腺实性假乳头状瘤（pSPN）患者 Ki-67 增殖水平的问题，来自宁波医疗中心李惠利医院和台州中心医院的研究人员开展基于动脉期 CT 影像组学预测 pSPN 患者 Ki-67 水平的研究。结果显示构建的模型预测性能良好，该非侵入性方法对指导个性化术前治疗有重要意义。

　　背景：本研究旨在利用从动脉期螺旋 CT 图像中提取的影像组学特征，术前预测胰腺实性假乳头状瘤（pSPN）患者的 Ki-67 增殖水平。方法：回顾性分析 2015 年 6 月至 2023 年 6 月 92 例经病理证实的 pSPN 患者（宁波医疗中心李惠利医院 64 例，台州中心医院 28 例）。将 Ki-67 阳性率＞3% 视为高表达。使用 PyRadiomics 提取影像组学特征，分为训练队列（64 例）和验证队列（28 例）。构建影像组学特征模型，并计算 CT 影像组学评分（CTscore）。采用深度学习模型进行预测，并使用提前停止策略防止过拟合。结果：通过 LASSO 回归和交叉验证筛选出 7 个关键影像组学特征。结合人口统计学数据和 CTscore 的深度学习模型准确性有所提高，形态学（Morphology）和 CTscore 等关键特征对预测准确性有显著贡献。表现最佳的模型，包括梯度提升机（GBM）和深度学习算法，在训练队列中的 AUC 高达 0.946，具有较高的预测性能。结论：研究人员开发了一种基于深度学习的稳健影像组学模型，利用动脉期 CT 图像预测 pSPN 患者的 Ki-67 水平，确定了 CTscore 和 Morphology 为关键预测因素。这种非侵入性方法在指导个性化术前治疗策略方面具有潜在应用价值。临床试验编号：不适用。