局限性自身免疫性胰腺炎与胰腺导管腺癌CT影像特征列线图模型构建

李晶 朱蒙蒙 周健 孟英豪 冯小晨 王莉 邵成伟 陆建平 边云 生晶

海军军医大学第一附属医院放射诊断科，上海 200433

自身免疫性胰腺炎(autoimmune pancreatitis，AIP)是一种自身免疫反应介导的特殊类型慢性胰腺炎，对类固醇激素治疗效果显著[1-2]，其形态学表现可分为弥漫型和局限型[3]。局限性自身免疫性胰腺炎(focal-type autoimmune pancreatitis，fAIP)与胰腺导管腺癌(pancreatic ductal adenocarcinoma，PDAC)常具有相似的临床症状、实验室指标和影像学表现，至少2%～6%的AIP患者因被高度怀疑为胰腺癌而接受了不必要的外科手术切除[4]，因此术前无创、准确地鉴别fAIP和PDAC至关重要。本研究旨在建立基于CT影像特征的列线图模型以鉴别fAIP和PDAC。

资料与方法

一、一般资料

检索2011年1月至2018年12月间海军军医大学第一附属医院的临床和影像数据库，纳入根据国际统一诊断标准(ICDC)确诊为AIP的患者。排除标准：(1)接受类固醇治疗或手术前1个月内未行多层螺旋CT增强扫描者；(2)CT图像上无明确的局灶性肿块；(3)有明确的可提示AIP的胰腺外自身免疫性疾病，包括硬化性胆管炎、肾脏受累和腹膜后纤维化。最终纳入42例fAIP患者(fAIP组)，其中男性33例，女性9例；年龄 (61±10)岁。同时选取经手术切除且术后病理证实为PDAC的患者。排除标准：(1)CT成像前接受放疗、化疗或放化疗者；(2)术前1个月内未行多层螺旋CT增强扫描；(3)CT图像上无明确显示的胰腺占位。最终入组242例PDAC患者(PDAC组)，其中男性163例，女性79例；年龄(61±9)岁。依据国际预测模型建模共识[5]，按照纳入的时间顺序，将2011年1月至2016年12月间25例fAIP和184例PDAC患者归入训练集，2017年1月至2018年12月间17例fAIP和58例PDAC患者归入验证集。本研究通过医院伦理委员会审核批准。

二、CT扫描方法

采用256排(Brilliance-16P，美国飞利浦医疗)和320排(Aquilion ONE，日本东芝医疗)螺旋CT机扫描。扫描参数：管电压120 kV，管电流150 mAs，准直器宽度160 mm×0.5 mm，矩阵350×350。增强扫描采用CT专用高压注射器团注对比剂355 mg I/ml的碘普罗胺(德国拜耳)90～95 ml，注射流率为5.5 ml/s，分别于注射后20～25、60～70、110～130 s扫描得到动脉期、门静脉期和延迟期图像。扫描和重建图像的层厚/间隔分别为0.8/1.0 mm和1.0/1.0 mm。扫描范围从横膈膜水平到肾脏下缘水平。

三、图像分析

由两名从事腹部诊断的高年资医师独立阅片，诊断结果不一致时通过协商讨论达成一致。图像评估内容包括：病灶位置、大小，门静脉期强化模式、强化程度(病灶对比周围正常胰腺实质呈低密度定义为弱强化，呈等或高密度定义为较明显强化)，胰腺实质萎缩，主胰管扩张(上游胰管内经>3 mm)，胆总管扩张(直径>10 mm)，囊肿(潴留囊肿和假性囊肿)，急性阻塞性胰腺炎，血管侵犯(血管狭窄或闭塞，或血管与肿瘤接触面≥180°)。

四、统计学处理

结 果

一、fAIP组与PDAC组患者临床及CT影像特征比较

训练集、验证集fAIP组和PDAC组的胆总管扩张、门静脉期肿块强化模式和程度差异均有统计学意义，训练集的主胰管扩张差异有统计学意义，两组间其他特征差异无统计学意义(表1)。

表1 fAIP组和PDAC组患者的临床及CT影像特征基线资料比较

二、筛选预测fAIP和PDAC的独立预测因子

单因素回归分析结果显示，训练集、验证集fAIP组和PDAC组的胆总管扩张(训练集：OR=0.33，95%CI0.14～0.81，P=0.02；验证集：OR=0.20，95%CI0.06～0.70，P=0.01)、门静脉期肿块强化程度(训练集：OR=0.00，95%CI0.00～0.03，P<0.0001；验证集：OR=0.00，95%CI0.00～0.40，P<0.0001)与两类疾病的鉴别显著相关，训练集fAIP组和PDAC组门静脉期肿块强化模式(OR=0.05，95%CI0.01～0.41，P=0.01)、主胰管扩张(OR=2.83，95%CI1.19～6.71，P=0.02)与两类疾病的鉴别显著相关。选取上述fAIP组和PDAC组间差异有统计学意义的指标(胆总管扩张、主胰管扩张、门静脉期肿块强化模式及肿块强化程度)纳入多因素logistic回归分析，最终筛选出3个预测fAIP和PDAC的独立预测因子(表2)，即胆总管扩张(OR=0.26，95%CI0.06～1.10，P=0.07)、主胰管扩张(OR=9.46，95%CI1.60～56.04，P<0.01)和门静脉期肿块较明显强化(OR=0.003，95%CI0.0003～0.03，P<0.0001)。

表2 多因素logistic逐步回归分析结果

三、建立预测模型并验证模型的诊断性能

根据多因素logistic回归分析结果，得出预测PDAC概率的方程式为4.51-1.33×胆总管无扩张+2.25×主胰管扩张-5.84×门静脉期肿块较明显强化，可视化为列线图见图1。模型在训练集的AUC值为0.97(95%CI0.95～0.99)，灵敏度、特异度和准确率分别为87.5%、100%和89%，在验证集的AUC值为0.97(95%CI0.94～1.00)，灵敏度、特异度和准确率分别为94.83%、94.12%和94.67%(图2)，说明预测模型在鉴别诊断fAIP与PDAC中表现出良好的诊断性能。

图1 预测局限性自身免疫性胰腺炎与胰腺导管腺癌模型的列线图

图2 预测局限性自身免疫性胰腺炎和胰腺导管腺癌模型在训练集和验证集的受试者工作特征曲线

四、预测模型的临床应用价值

临床决策曲线分析表明，如果用列线图鉴别两类疾病的概率>0.2时，使用列线图诊断两类疾病，比将“所有的患者视为fAIP治疗”方案或将“所有患者视为PDAC治疗”方案更能让患者获益(图3)。临床实践中利用预测模型可以准确诊断fAIP和PDAC(图4、5)。

注：fAIP为局限性自身免疫性胰腺炎；PDAC为胰腺导管腺癌图3 预测局限性自身免疫性胰腺炎和胰腺导管腺癌模型的决策曲线分析图

图4 局限性自身免疫性胰腺炎患者的CT图像。CT平扫示胰头等密度肿块(↑)，密度均匀(4A)，增强扫描示门静脉期肿块较明显均匀强化(4B)，上游主胰管未见明显扩张、肝内外胆管扩张(黄↑，4C)。依据列线图，该患者诊断为局限性自身免疫性胰腺炎的概率>0.9 图5 胰腺癌患者的CT图像。CT平扫示胰头等密度肿块，密度均匀(↑，5A)，增强扫描门脉期示肿块不均匀强化，且强化程度弱于周围正常实质(↑，5B)，胰管及肝内外胆管均扩张(黄↑，5C)。依据列线图，该患者诊断为胰腺癌的概率>0.9

讨 论

AIP是一种特殊类型的慢性胰腺炎，根据组织学不同，分为1型(IgG4相关的淋巴浆细胞硬化性胰腺炎)和2型(以胰管为中心的特发性胰腺炎)[1]；根据形态学不同，分为弥漫型和局限型。弥漫型AIP具有典型的“腊肠样”外观和胰周假包膜结构，因此很容易与PDAC鉴别[6]。而fAIP与PDAC均表现为局灶性胰腺肿块和胰管狭窄[7-8]，因此两者的鉴别仍然是当前的难点。

AIP的诊断基于HISORt标准(Histology、Imaging、Serology、Other organ involvement、Response to steroid)[1]，各项检查手段均有一定的局限性。例如，血清标志物CA19-9或IgG4的敏感性和特异性对两者的鉴别价值仍存在分歧[9-12]。超声内镜引导下细针穿刺活检(EUS-FNA)是胰腺占位术前诊断的金标准，但该操作有创、耗时长、不可重复，活检组织不能充分反映肿块的异质性。一项多中心研究报告提出EUS-FNA对1型AIP的确诊率仅为58.2%[13]，即使在对较大的取材组织样本的研究中，EUS-FNA也不能得到令人满意的诊断[14]。因此CT和MRI成为鉴别这两类疾病最常用的无创诊断手段。

最近的研究表明，CT或MRI中出现胰管穿通征、病灶强化程度均匀和门静脉期较明显强化是诊断fAIP较为特异的征象[15-20]。本研究结果显示，fAIP患者97.6%(41/42)门静脉期表现为均匀增强，95.2%(40/42)为较明显强化，PDAC患者56.2%(136/242)表现为均匀增强，7.9%(19/242)为较明显强化，两者强化程度和强化模式差异均有统计学意义，与文献报道结果基本一致。

影像组学是近年发展起来的新兴的辅助诊断技术，可对医学图像中像素的分布情况进行数学分析，高通量获取一系列病灶的量化参数，充分反映医学图像底层最本质的特征。本研究小组前期建立了一个鉴别fAIP和PDAC的CT影像组学分值模型，包含4个基于CT图像的影像组学特征，对两类疾病表现出较好的鉴别能力(AUC=0.97，灵敏度95.2%，特异度92.7%，准确率94.0%)[21]。此外， Park等[22]认为薄层CT影像组学特征比厚层CT影像组学特征可以更好地区分AIP和PDAC。尽管影像组学的准确性和稳定性更佳，但对于缺乏高分辨率CT成像设备和人工智能合作平台的一些发展中或落后地区，仍然亟需一种简单便捷且无创的方法来区分fAIP和PDAC，本研究立足于常规CT成像构建的列线图可以满足这一需求。本研究将单因素分析筛选出的与两类疾病鉴别呈显著相关的指标进一步纳入多因素logistic逐步回归分析，最终主胰管扩张、胆总管扩张和门静脉期肿块较明显强化进入预测模型，列线图将复杂的多因素回归分析结果转变为直观的可视化图形，使诊断模型的结果可读性更强。列线图在训练集的AUC值为0.97(95%CI0.95～0.99)，在验证集的AUC值为0.97(95%CI0.94～1.00)，表明建立的预测模型有较好的诊断效能。

本研究尚存在一些不足。首先，作为一项回顾性研究，因部分入组患者缺失CA19-9和IgG4指标而未将其纳入分析；其次，由于fAIP发生率低，因此fAIP总体样本量较小；第三，本研究为单中心研究，列线图缺少外部验证；第四，相较于影像组学所能提供的高通量量化参数，本研究仅纳入常规CT影像特征建立列线图。本研究建立的模型尽管不能精准地反映病灶的异质性，但更具有实际操作性、易于在基层医院推广，从而达到降低误诊率的目的。但模型的精准度尚需多中心、大样本以及纳入更多因素的研究予以进一步验证。

利益冲突所有作者均声明不存在利益冲突