RSNA2023 腹部影像学

放射学实践 · 公众号 · · 2024-04-17 11:27

正文

【摘要 】 2023 年北美放射学会（ RSNA ）腹部影像学内容丰富，会上多模态成像新技术通过结合先进的人工智能（ AI ）算法，提升了影像阅读的效率和准确性，展示了对腹部疾病更精确的诊断与预测能力，同时在个性化治疗方案的制定中发挥着重要作用。本文旨在提供最新信息，为腹部影像学的临床和科研工作提供更多的思路。

人工智能（ AI ）及多模态成像技术的融合创新，为复杂的腹部疾病评估和管理提供了更全面的视角。在最新的北美放射学会（ RSNA ）会议上，这些技术和应用的最新研究成果被广泛讨论，本文分别从人工智能、肝胆系统、胰腺、消化道、泌尿生殖系统等影像学研究热点和进展进行简要介绍。

人工智能在腹部影像学中的应用

1．肝脏

本部分内容主要包括 AI 在肝脏疾病定量分析中的应用， AI 辅助影像增强技术，深度学习优化磁共振成像（ MRI ）扫描流程并提高病灶检出率， AI 在肝硬化评估中的前瞻性应用。

首先，一项通过基于深度学习（ DL ）的超分辨率算法研究表明，其可以显著提高小型富血管性肝肿瘤患者的多动脉相图像质量，从而克服了钆塞酸增强肝脏 MRI 动脉增强不足的限制。其次，应用人工智能测量皮肤到肝脏距离的方法，能够自动预测和优化超声剪切波弹性成像的质量，进而改善对肝纤维化的检测能力。基于深度学习的 MRI 分割技术可以提供有用的肝细胞癌（ HCC ）早期复发预测生物标志物，并优化巴塞罗那临床肝癌患者的亚分类，从而为 HCC 的临床决策提供辅助。另外，通过 AI 辅助的碘对比剂腹部 - 盆腔电子计算机断层扫描（ CT ）检查，不仅可以明显改善肝脏病变的显著性、定量病变及血管增强，同时在图像去噪的过程中有助于改善病变的检测和评估。一项研究探索了肝脏增强 MRI 的图像预处理方法，通过归一化和偏差场校正能够改善肝脏放射特征的再现性，对于开发肝脏 MRI 放射组学生物标志物具有重要意义。最后，利用深度学习加速的半傅里叶单次激发快速自旋回波序列和自由呼吸扩散加权成像（ DWI ），不仅能够显著提高实体局灶性病变的图像质量，还可以在 83% 常规序列扫描时间内完成。基于深度学习的自由呼吸扩散加权成像还能最大限度地减少由运动引起的测量误差，并展示出微小差异的表观扩散系数（ ADC ）值。采用基于转换器的多参数腹部 MRI 深度学习模型，能够对肝硬化程度进行分类，并在儿童和成人中展现了分类的能力。综上所述，这些研究展示了深度学习在肝脏医学影像学中的潜力，为肝脏疾病的诊断和治疗决策提供了有力的支持。

2．胰腺

本部分内容主要包括 AI 驱动的胰腺癌自动化诊断， AI 辅助的胰腺病变风险分层与管理， AI 与放射组学在化疗反应预测中的结合。

首先，一项使用标准 CT 验证卷积神经网络（ CNN ）模型对胰腺导管腺癌（ PDAC ）完全自动化定位的研究显示，在大型 CT 数据集上开发的 CNN 模型显示了在标准 CT 检查中全自动 PDAC 定位的高准确性和通用性，为定量成像生物标记物驱动的多组学模型提供了一个关键工具，用于 PDAC 风险分层、治疗反应评估和预测。一项 AI 分析预诊断 CT 图像有助于胰腺癌的早期检测的研究表明，基于深度学习和影像组学的计算机辅助检测工具可以辅助放射科医生在预诊断 CT 图像中检测胰腺癌。此外，一项基于临床和放射学特征的预测模型对进展性和非进展性胰腺囊性病变（ PCLs ）区分的研究显示，基于临床和放射学的支持向量机（ SVM ）模型可以帮助预测 PCLs 在 3 年内的进展，帮助早期发现恶性病变，并更有效地辅助 PCLs 的管理。一项基于 MRI 放射组学分析在预测非功能性胰腺神经内分泌肿瘤（ NF-PNETs ）分级中的应用的多中心研究表明：整合模型的诊断性能优于临床模型，可以作为一种非侵入性工具，用于 NF-PNETs 术前分级的预测。并且影像组学特征是从 T ₂ 加权成像（ T ₂ WI ）和 DWI 序列中采集，意味着此模型在对 NF-PNETs 进行分级时不需要使用对比剂。最后，一项 CT 放射组学预测的晚期 PDAC 早期化疗反应的研究显示，在晚期 PDAC 的早期反应预测中，临床放射组学模型比单放射组学模型更有优势。而且在建立转移性 PDAC 预测模型时考虑转移源性特征是必要性的。总体而言，这些研究结果为胰腺癌的诊断、治疗和预后评估提供了充分的支持，并揭示了深度学习和影像组学在胰腺癌领域具有广阔的应用前景。

3． 消化道

本部分内容主要包括 AI 在胃癌亚型和治疗反应预测中的应用， AI 在胃癌检测和体成分量化中的应用，放射学 - 病理学联合配准技术在直肠癌评估中的应用。

首先，通过利用术前 CT 图像，研究构建了基于逻辑回归（ LR ）和随机森林（ RF ）算法的影像组学模型，成功预测了胃癌的上皮间质转化分子（ EMT ）亚型。进一步，在胃癌侵犯胰腺的患者中，使用增强 CT 的影像组学和临床参数相结合的方法，成功预测了患者是否适宜接受新辅助化疗和根治性切除手术。此外，研究还展示了利用 CT 平扫的人工智能模型来检测胃癌，具有高敏感性和特异性，可作为一种新型的非侵入性筛查工具。另一项研究利用深度学习模型自动量化胃食管腺癌患者的体成分，并发现体成分的变化与患者预后相关。最后，部分研究还探索了直肠 MRI 和离体直肠整体组织学联合配准技术的可行性，该技术有望提高直肠癌患者新辅助治疗后治疗反应评估的准确性，从而改善患者的预后和生活质量。

综上，未来研究方向可能是继续优化 AI 模型，提升胃癌的精准诊断和治疗策略，进一步整合多模态数据以增强预测性能，并探索 AI 在临床决策中的潜在应用以改善患者预后。

4 ．泌尿生殖系统

本部分内容主要包括 AI 在小体积肾肿瘤术前诊断中的应用， AI 在肾癌影像病理特征识别和手术规划中的应用， AI 在前列腺癌的高精度诊断与预后评估中的应用， AI 技术在提高前列腺癌影像学评估效率中的应用。

首先，一项研究采用基于 CT 图像的端到端深度学习系统对 T1a 级肾肿瘤进行了良恶性区分。实验结果表明， T1a 肾细胞癌（ RCC ）是肾癌的最早期阶段。由于其尺寸较小（＜ 40 mm ）， T1a RCC 的诊断常常具有挑战性，容易导致患者治疗过度或不足。然而，在术前 CT 鉴别诊断中，基于神经网络的端到端深度学习系统表现出优异的性能，并且具有潜在的临床应用价值。另外，一项研究利用增强 CT 影像组学分析，对 RCC 患者的 T3a 病理分期进行了预测。该研究结合了来自肿瘤区域和肿瘤周围区域的影像组学特征，构建了一个组合模型，能够良好地预测 RCC 患者的 T3a 病理分期，对临床决策具有帮助。另一项研究利用三维 Swin UnetR 架构和三维 Hinge Forest （ HF ）架构自动分割 MRI 上的所有肾细胞肿块、肾脏和囊肿亚型。研究发现，先进的 CNN 架构能够自动进行肾肿块亚型、囊肿和肾组织的分割。其中，三维 SwinUNET 的性能优于三维 HF 模型，可以减轻放射医师的工作量，提高诊断准确性，并促进高效准确的治疗规划。

在一系列研究中， AI 显著提升了前列腺癌（ PCa ）的诊断和预后评估。基于多参数 MRI （ mpMRI ）的深度学习分类器能预测根治性前列腺切除术（ RP ）后患者的长期无生化复发（ BCR ）存活，这有助于简化预后评估并优化个体化的术后管理。而基于双参数 MRI （ bpMRI ）的 AI 模型，无需动态对比增强成像，也能准确检测放疗后的局部复发。 AI 的预测能力在前列腺体积较大或接受体外放疗的患者中表现得更为出色。级联 DL 算法在 bpMRI 中的应用显示， AI 能与放射科医生相媲美，准确检测前列腺癌，且能可靠预测临床显著病变。此外， AI 在多中心外部验证中表现稳健，能适应不同的扫描设备和协议，支持 PCa 的检测。 AI 重建技术显著提高了 mpMRI 中 DWI 的质量并缩短了采集时间，而基于 DL 的可解释 AI 模型则与经验丰富的放射科医生在前列腺 T ₂ WI 图像质量评估上具有一致性。最后， AI 在前列腺癌检测中的应用不仅限于改进图像质量和减少采集时间，还包括利用 mpMRI 的空间特征来提高 PCa 病变的检出率，特别是在前列腺的外周区。基于 ResNet-18 架构的 DL 模型能够智能分类前列腺影像报告和数据系统（ PI-RADS ） 3 类病变，优化患者的管理策略。

综上所述，深度学习在泌尿系统肿瘤的影像学研究中具有广泛的应用前景，为临床实践中的自动分流和决策提供了依据，预示着未来 AI 将在临床工作流程中发挥更大作用。

5．其他

一项系统回顾和荟萃分析腹部 DL CT 图像重建的研究显示， DL 重建可显著提高腹部 CT 图像质量，同时也减少了 CT 成像与辐射暴露相关的风险。然而，谨慎选择适当的辐射剂量是必要的，以避免在高深度学习图像重建强度下的信号丢失和模糊。此外，一项测试 ChatGPT 在根据腹部放射学检查结果生成鉴别诊断的能力的研究表明， ChatGPT3.5 与 ChatGPT4 能够为包含描述性放射学结果的提示生成鉴别诊断。这些回答的内容与病例匹配是来源于短时间的专家文献。尽管从第 3.5 代算法到第 4 代算法的第一诊断的准确率有显著提高，但众所周知的幻觉效应在引文中比在算法发表的声明中更常见，这两个方面都在最新一代的研究中得到了改进。 ChatGPT 和大型语言模型对临床和医学教育有很大影响潜力。对这些算法的准确性和错误可能性的了解将使我们更好地理解这些新工具的局限性。

肝胆系统影像学的最新进展

1. 肝脏肿瘤

本部分内容主要包括多模态影像在肝癌预测和治疗评估中的应用，非侵入性影像技术在肝脏肿瘤监测和特征分析中的应用，改进 MRI 技术在肝脏疾病诊断中的应用。

一项多频磁共振弹性成像（ mf-MRE ）应用于 HCC 微血管侵犯预测研究发现，该技术可用于诊断 HCC 患者术前微血管侵犯（ MVI ）和包裹肿瘤团簇血管（ VETC ）状态，构建的临床、放射组学和 mf-MRE 组合模型在预测 HCC 患者 MVI （ + ）和 VETC （ + ）方面表现最佳。另一项使用超声监测的研究显示，整合超声监测特征的新模型可有效区分慢性乙型或丙型肝炎中发生 HCC 的超高风险群体，并且性能优于以往的风险评分系统，有助于集中监测超高风险群体。此外，对于结直肠癌肝转移患者治疗反应评估的研究发现，简化 MRI （包括肝胆期、 DWI 和 T ₂ WI ）可以替代完整肝脏 MRI ，从而减少扫描时间和增加检查量，同时减少医生的阅片时间。还有一项关于 HCC 患者接受肝动脉化疗栓塞术（ TACE ）加免疫疗法治疗后体成分变化的研究发现，体成分的长期变化与生存期相关，即使在基线骨骼肌量较高的患者中，骨骼肌量的下降也与预后恶化有关。最后，一项评估简化的肝脏影像报告和数据系统（ LI-RADS ）表中简化的 LR-5 类别在细胞外增强 MRI （ ECA-MRI ）上对 HCC 的诊断性能研究表明，研究中开发的简化的 LI-RADS 表显著提高了 ECA-MRI 诊断 HCC 的敏感性，而不降低特异性，减少临床实践中的复杂性。综上，未来研究可能是进一步探索和验证这些先进影像技术，以提升其在肝脏疾病诊断、风险分层及治疗反应评估中的精确性和实用性。

2. 肝脏弥漫性病变

本部分内容主要包括肝脏脂肪变性的影像评估，肝纤维化的非侵入性评估，肝硬化及其并发症的影像学评估。

首先，超声引导的脂肪分数（ UDFF ）在检测肝脏脂肪变性方面显示出与磁共振质子密度脂肪分数（ MRI-PDFF ）相似的效用，表明 UDFF 可作为一种潜在的非酒精性脂肪肝病（ NAFLD ）诊断工具。另一项研究表明基于超声的衰减系数、声速和控制衰减参数等量化技术证实了其作为 NAFLD 生物标志物的再现性和重复性，尽管需注意不同设备之间的结果差异。此外， MRI-PDFF 与包括肝纤维化在内的全肝疾病风险具有因果关联，成为了肝脏健康监测的重要工具。磁共振弹性成像与肝活检在 NAFLD 纤维化分期方面的不一致性研究揭示了 MRE 在轻度脂肪变性和细胞核变大的 NAFLD 患者中作为活检替代方案的价值。超声多参数评估通过结合剪切波速度（ SWS ）和归一化局部方差（ NLV ），改善了晚期纤维化 NAFLD 患者的诊断性能。最后，使用 3D-MRE 识别肝硬化中的门脉高压的研究发现，脾剪切刚度（ SS ）和肝 SS 的比率及差异是评估门静脉高压的关键指标， 3D-MRE 为个性化评估提供了新的视角。另一项研究表明，组合弹性成像技术在评估药物性肝损伤患者的炎症和纤维化方面填补了非创伤性评估的空白。双频 3D-MRE 提高了成像效率，并可能成为评估肝损伤的非侵入性肝活检替代方法。

3. 胆道系统

本部分内容主要包括胆管内乳头状肿瘤（ IPNB ）和原发性硬化性胆管炎（ PSC ）的影像预后评估，肝移植和肝外胆管癌的影像学评估。

首先，一项新开发的评分系统旨在利用 CT/MRI 图像特征对 IPNB 进行评分，并与术后病理和免疫组织化学结果进行比较，以提高术前诊断的准确性。研究显示，该评分系统有望反映 IPNB 的病理特征，从而帮助临床医生更准确地评估 IPNB 。另外，一项研究利用三维磁共振胰胆管造影（ MRCP ）和钆塞酸增强 MRI 预测 PSC ，发现钆塞酸增强 MRI 衍生参数可以无创地预测 PSC 患者的临床结果，并建立了基于 MRCP 和钆塞酸增强 MRI 的预后模型来评估 PSC 的严重程度。最后， MRCP 被用于评估 ABO 血型不合肝移植受者（ ABOi-LT ），研究发现术后 DWI 异常可作为缺血性胆管病（ IC ）的生物标志物，对 IC 高危患者进行早期识别有助于改善移植物存活率和预后。另外，一项探索原发性胆汁性胆管炎（ PBC ）患者治疗前 MRI 预测熊去氧胆酸（ UDCA ）生化反应不足的研究发现，构建三个 MRI 特征的模型可以准确预测 PBC 患者 12 个月 UDCA 生化反应不足，有助于早期筛查高危 PBC 患者并启动适当的治疗。综上所述，基于 CT/MRI 图像特征的评分系统有望改善胆道疾病的术前诊断，未来可进一步完善和应用。

4. 其他

一项评估不同 MRI 厂商提供的 R2* 图谱在定量肝铁浓度（ LIC ）方面的研究表明，从 GE 、 Philips 和 Siemens 医疗提供的 R2* 图谱获得的测量结果可靠，可用于定量 LIC 。这一结果有助于推广基于 R2* 的 LIC 定量方法，减少患者进行肝脏活检的需求。另一项研究建立和验证了量化肝脏临床 SWE 检查质量指标，发现低中位数比值预测 SWE 质量更好， 30% 的四分位距 / 中位数（ IQR/M ）标准阈值是一个可接受的折中方案。皮肤到肝包膜距离（ SCD ）比体质量指数（ BMI ）更能预测 SWE 质量。另外一项研究揭示了获得诊断成像服务和肝癌流行病学的地理差异，德克萨斯州有 11% ～ 15% 的肝癌发生在无法获得诊断影像学的县。然而，诊断性影像学检查仅与癌症期 6% 的改善相关，表明诊断性影像学检查服务的利用存在不足或无效。

胰腺影像学的研究热点

本部分内容主要包括胰腺微结构影像特征与 2 型糖尿病的关联，多相光谱 CT 和 MRI 在胰腺疾病评估中的应用，磁共振成像新技术在胰腺癌治疗监测中的应用。

首先，体素内不相干运动（ IVIM ） -DWI 技术在胰腺微结构变化的识别上显示出潜力，尤其是在 2 型糖尿病的早期检测与区分高血糖患者方面，对临床管理有重要意义。此技术可揭示早期胰岛 β 细胞功能受损，帮助预防和管理 2 型糖尿病。 COVID-19 大流行期间，十二指肠旁胰腺炎的患病率显著增加，同时患者性别比例和肝脂肪变性发生率出现变化。胰腺脂肪变性和萎缩与 2 型糖尿病的关系研究显示这些影像学特征与糖尿病发生显著相关，可能作为早期诊断的替代生物标志物。 MRI 定量评估揭示了胰腺形态随年龄增长的质的变化，特别是小叶的增加，这可能成为胰腺疾病的诊断工具。此外，多相光谱 CT 研究发现，腹部肥胖、性别、吸烟、酗酒等因素影响胰腺碘摄取，而归一化碘密度有助于确保不同功能状态下胰腺碘摄取的一致性。胰腺癌患者 MRI 放射学得分与组织代谢组学的相关性研究发现与甘油磷脂代谢相关的潜在代谢途径，为胰腺癌治疗提供新的治疗靶点。双层能谱探测器 CT 用于 PDAC 肿瘤分期的临床 - 放射学评分研究，在 PDAC 早期和晚期分期区分方面表现出色。增强 CT 平衡期测定的细胞外体积分数作为可切除 PDAC 患者生存结果的预测标志物，有助于风险分层和个性化护理。术前多排螺旋 CT （ MDCT ）的边缘增强和胰周脂肪浸润特征可预测 PDAC 隐匿性转移，有助于精确分期和治愈性手术决策。最后，一项利用化学交换饱和转移磁共振成像（ CEST-MRI ）监测 PDAC 肿瘤对基质靶向治疗的反应的研究表明，葡聚糖增强 CEST-MRI 是一种安全而有效的成像方法来指导和监测基质靶向治疗，以达到检测 PDAC 的最佳结果。一项使用亚谐波辅助压力估计（ SHAPE ）评估胰腺癌患者化疗联合声学治疗的治疗反应变化的研究显示， SHAPE 非侵入性方法来确定肿瘤内压力测量，可用于指示化疗反应，可以通过提供更精确的肿瘤对治疗反应的指示来帮助患者护理。

消化道疾病的影像学进展

本部分内容主要包括胃食管肿瘤的影像学诊断与治疗评估，小肠疾病的影像学检测与监控，结直肠肿瘤的筛查与疗效监测。

首先，一项研究利用动态对比增强磁共振成像（ DCE-MRI ）结合 DWI 的方法，研究发现，定量 DCE 参数 Ktrans 、 Kep 和 ADC 值有助于区分胃腺癌的不同 T 阶段，三参数的联合使用提高了诊断效能，为评估胃腺癌的恶性程度和选择治疗方案提供了新的影像学依据。光谱 CT 图基于列线图的预测模型在预测局部晚期胃癌新辅助化疗后的病理反应方面显示出较单一参数更高的有效性。光谱 CT 提供的形态学特征和定量参数有助于确定适合的治疗方案。食管癌新辅助治疗后转移淋巴结的诊断， MR 特征如术前环状强化、术前延迟强化程度和治疗后 DWI 信号强度的增加，被识别为转移淋巴结的独立预测因素。这些 MR 特征与治疗前的多参数联合诊断模型可以提高食管鳞状细胞癌新辅助治疗后转移淋巴结的诊断准确性。此外，一项研究指出，当小肠肠系膜 CT 呈现肠系膜浑浊和特定淋巴结模式时，不太可能代表早期淋巴瘤，因而不需要影像学随访，可以更有效地利用影像资源。一项比较 Metric 试验中成人末端回肠克罗恩病（ CD ）的超声（ US ）活动评分的诊断性能与 MR 肠道造影和组织学参照标准的研究显示，简单肠超声评分和肠道超声评分是可行的肠道

RSNA2023 腹部影像学

正文

请到「今天看啥」查看全文