基于深度学习的胆囊癌CT影像术前N分期预测与可切除性评估模型研究综述.docVIP

基于深度学习的胆囊癌CT影像术前N分期预测与可切除性评估模型研究综述

一、胆囊癌临床诊疗现状与影像学评估瓶颈

胆囊癌是胆道系统最常见的恶性肿瘤，其发病率在全球消化道恶性肿瘤中排名第六，年新发病例超过21万，5年总体生存率不足10%。由于胆囊癌早期缺乏特异性临床表现，超过60%的患者确诊时已处于局部进展期或晚期，其中淋巴结转移是影响患者预后的核心独立危险因素——存在N1期（区域淋巴结转移）的患者术后5年生存率为15%~25%，而N2期（远处淋巴结转移）患者生存率仅不足5%，且此类患者往往无法从根治性切除术中获益。因此，术前精准判断淋巴结转移状态（N分期）及肿瘤可切除性，是临床制定个体化诊疗方案、避免不必要开腹手术的核心前提。

目前临床常规术前评估依赖腹部增强CT影像，由放射科医师根据淋巴结大小（短径≥10mm）、形态、强化特征等进行人工判读，但该方法存在显著局限性：首先，约30%的转移淋巴结短径小于10mm，仅依靠大小阈值易出现漏诊；其次，炎性反应增生的淋巴结常被误判为转移，导致分期高估；最后，不同医师判读结果的组间一致性仅为0.52~0.63，受主观经验影响极大。统计数据显示，传统CT评估胆囊癌N分期的准确率仅为58%~67%，可切除性评估的阳性预测值不足70%，约20%的患者术中才发现存在术前未预判的淋巴结转移或远处浸润，导致根治性手术失败。如何突破人工阅片的局限性，实现术前N分