基于深度学习的胰腺癌淋巴结转移的CT影像组学与临床参数融合预测研究综述.docVIP

基于深度学习的胰腺癌淋巴结转移的CT影像组学与临床参数融合预测研究综述

胰腺癌是消化系统中恶性程度最高的肿瘤之一，其发病率在全球范围内呈逐年上升趋势，5年总体生存率不足10%。淋巴结转移是胰腺癌最重要的预后不良因素之一，存在淋巴结转移的患者术后复发风险升高3倍以上，中位生存期较无转移患者缩短40%~50%。术前精准判断淋巴结转移状态，对于手术方案制定、新辅助治疗适应证选择以及预后评估具有不可替代的临床价值。目前临床常规术前评估主要依赖增强CT影像，但人工阅片对淋巴结转移的诊断灵敏度仅为55%~70%，难以满足精准诊疗需求。近年来，影像组学与深度学习技术的快速发展为解决这一临床痛点提供了新的路径，而将CT影像特征与临床参数进行多模态融合，更成为提升预测性能的核心研究方向。

一、胰腺癌淋巴结转移CT影像组学研究基础与传统方法局限

影像组学的核心逻辑是从医学影像中高通量提取定量特征，挖掘肉眼无法识别的微观异质性信息。针对胰腺癌淋巴结转移的预测，早期研究主要聚焦于原发灶影像组学特征的挖掘。2018年《EuropeanRadiology》发表的一项回顾性研究纳入187例胰腺癌患者，从术前增强CT门静脉期图像中提取了包括形状、一阶灰度、纹理特征在内的412个影像组学特征，经LASSOCox回归筛选出12个与淋巴结转移显著相关的特征，构建的预测模型在验证集中AUC达到0.78，优于传统影像学