编辑推荐：
在临床实践中，降低 CT 辐射剂量意义重大。研究人员开展了 “深度学习重建（DLR）与迭代重建（IR）在标准剂量和降低剂量腹部 CT 检测肝病变中的诊断性能” 研究，结果表明 DLR 虽能降噪但未提升肝病变检测，小病灶检测率随剂量降低，对大病灶或有降剂量潜力。
在腹部 CT 成像领域，肝病变的检测和特征描述一直是极具挑战性的任务，尤其在肿瘤学临床护理中，其结果对治疗决策至关重要。随着辐射剂量降低，图像噪声增加，使得低对比度任务变得愈发困难。为了在保证图像诊断质量的同时降低辐射剂量，遵循 “合理尽可能低（ALARA）” 原则，研究人员一直致力于探索有效的方法。传统的滤波反投影（FBP）曾是 CT 图像重建的主要技术，因其计算效率高而被广泛应用，但在降噪方面存在不足。后来，迭代重建（IR）算法逐渐兴起，它能有效降低图像噪声，却会改变图像噪声纹理，影响低对比度任务的表现。近年来，深度学习重建（DLR）技术崭露头角，它通过在高剂量和低剂量数据集上进行训练，有望在低剂量成像和肥胖个体扫描等困难场景中提升图像质量。然而，DLR 在降低辐射剂量的同时，其对低对比度肝病变检测的诊断性能仍存在争议，这也促使研究人员开展了此项研究。
挪威豪克兰大学医院（Haukeland University Hospital）、奥斯陆大学医院（Oslo University Hospital）等机构的研究人员，针对这一问题展开了深入研究。他们的研究成果发表在《European Radiology》上，为该领域提供了重要的参考依据。
研究人员采用了以下关键技术方法：
- 样本选取：前瞻性纳入了 44 名已知患有胃肠道或胰腺腺癌肝转移的患者，这些患者均来自 2020 年 10 月至 2022 年 3 月的常规随访。
- CT 扫描及重建：所有参与者在同一造影剂注射期间接受标准剂量 CT 扫描，以及额外的两次降低剂量扫描，扫描后分别使用 IR（ASIR-V 50%）和高强度 DLR（TrueFidelity）进行图像重建。
- 评估与分析：由两名经验丰富的放射科医生评估图像中肝病变的情况，另一名医生确定参考标准。通过绘制感兴趣区域（ROI）进行定量图像质量评估，并使用 McNemar 检验、混合效应逻辑回归等统计方法对数据进行分析。
研究结果如下：
- 参与者和病变特征：最终研究人群包括 44 名参与者（28 名男性），平均年龄 66.1±10.9 岁。共确定了 348 个最大直径≤20mm 的肝病变，其中 297 个为恶性，51 个为良性，平均病变大小为 9.1±4.3mm1。
- 辐射剂量和图像质量：标准剂量扫描的平均CTDIvol为 14.2±3.6mGy，中等剂量扫描为 7.8±2.6mGy，低剂量扫描为 5.1±2.1mGy。与 IR 相比，DLR 的图像噪声平均降低 40.3%，CNR 平均提高 67.0%，但各剂量水平下两种算法的 CT 值无显著差异23。
- 诊断准确性：在标准剂量 CT 下，IR 和 DLR 对肝病变的检测率均为 83.0%，无显著差异。但在降低剂量时，DLR 的检测率显著下降，如中等剂量 DLR 的检测率为 65.2%，低剂量 DLR 为 58.9%。对于≤10mm 的病变，检测率下降更为明显，从标准剂量 IR 的 79.4% 降至中等剂量 DLR 的 54.9% 和低剂量 DLR 的 45.1%45。
研究结论和讨论部分指出，DLR 相对 IR 在标准剂量和降低剂量腹部 CT 中改善了图像噪声和对比噪声比，但并未提高肝病变的检测能力。而且，两种算法中≤10mm 肝病变的检测率均随剂量降低而显著降低。因此，在对小肝病变检测要求较高的情况下，追求剂量降低时需谨慎。不过，对于＞10mm 的病变，在较低剂量水平下检测并未显著恶化，这意味着在某些临床场景，如稳定疾病的随访、非肿瘤或筛查场景中，若仅需检测较大病变，使用 DLR 可能存在剂量降低的潜力，但仍需临床验证。此项研究为临床合理选择 CT 重建算法、优化辐射剂量提供了重要参考，推动了腹部 CT 成像技术在保证诊断准确性前提下降低辐射剂量的发展。
