目的:构建并验证基于增强CT的融合影像组学及深度学习特征的模型，评估该模型术前鉴别诊断胰腺腺鳞癌(PASC)和胰腺导管腺癌(PDAC)的效能。方法:回顾性收集2011年1月至2020年12月间海军军医大学第一附属医院经手术病理证实且术前1个月内行增强CT检查的201例PASC患者(PASC组)和332例PDAC患者(PDAC组)的临床资料。依据国际预测模型建模共识，按收治时间顺序将2011年1月至2018年1月共397例患者(156例PASC和241例PDAC)组成训练集，将2018年2月至2020年12月共136例患者(45例PASC和91例PDAC)组成验证集。采用nnU-Net模型进行胰腺肿瘤自动分割，评估临床及CT特征、提取门静脉期影像组学特征及深度学习特征，随后进行特征降维和特征筛选。利用二元logistic回归模型，在训练集中建立临床模型、影像组学模型和深度学习模型，采用受试者工作特征曲线下面积(AUC)、灵敏度、特异度和准确度评估3种模型的性能，采用决策曲线分析(decision curve analysis, DCA)评估模型的临床净收益。结果:在训练集和验证集中，PASC组和PDAC组肿瘤大小、环形强化、上游胰腺萎缩及肿瘤囊变差异均有统计学意义(
P值均<0.05)。多因素logistic回归结果显示，临床模型中肿瘤大小、环形强化、胆总管扩张及上游胰腺萎缩与PASC显著相关。影
作者：李琪；周健；方旭；俞婕妤；朱蒙蒙；袁小涵；李颖；郭逸飞；汪军；陈士跃；边云；邵成伟
来源：中华胰腺病杂志 2023 年 23卷 3期
