Differentiating autoimmune pancreatitis from pancreatic ductal adenocarcinoma with CT radiomics features

PurposeThe purpose of this study was to determine whether computed tomography (CT)-based machine learning of radiomics features could help distinguish autoimmune pancreatitis (AIP) from pancreatic ductal adenocarcinoma (PDAC).Materials and MethodsEighty-nine patients with AIP (65 men, 24 women; mean age, 59.7 ± 13.9 [SD] years; range: 21–83 years) and 93 patients with PDAC (68 men, 25 women; mean age, 60.1 ± 12.3 [SD] years; range: 36–86 years) were retrospectively included. All patients had dedicated dual-phase pancreatic protocol CT between 2004 and 2018. Thin-slice images (0.75/0.5 mm thickness/increment) were compared with thick-slices images (3 or 5 mm thickness/increment). Pancreatic regions involved by PDAC or AIP (areas of enlargement, altered enhancement, effacement of pancreatic duct) as well as uninvolved parenchyma were segmented as three-dimensional volumes. Four hundred and thirty-one radiomics features were extracted and a random forest was used to distinguish AIP from PDAC. CT data of 60 AIP and 60 PDAC patients were used for training and those of 29 AIP and 33 PDAC independent patients were used for testing.ResultsThe pancreas was diffusely involved in 37 (37/89; 41.6%) patients with AIP and not diffusely in 52 (52/89; 58.4%) patients. Using machine learning, 95.2% (59/62; 95% confidence interval [CI]: 89.8–100%), 83.9% (52:67; 95% CI: 74.7–93.0%) and 77.4% (48/62; 95% CI: 67.0–87.8%) of the 62 test patients were correctly classified as either having PDAC or AIP with thin-slice venous phase, thin-slice arterial phase, and thick-slice venous phase CT, respectively. Three of the 29 patients with AIP (3/29; 10.3%) were incorrectly classified as having PDAC but all 33 patients with PDAC (33/33; 100%) were correctly classified with thin-slice venous phase with 89.7% sensitivity (26/29; 95% CI: 78.6–100%) and 100% specificity (33/33; 95% CI: 93–100%) for the diagnosis of AIP, 95.2% accuracy (59/62; 95% CI: 89.8–100%) and area under the curve of 0.975 (95% CI: 0.936–1.0).ConclusionsRadiomic features help differentiate AIP from PDAC with an overall accuracy of 95.2%.     

CD44基因多态性与宫颈癌及非小细胞肺癌的相关性

背景与目的：CD44分子是众多肿瘤细胞的标志分子，其表达水平与肿瘤细胞的恶性程度有关。该研究探讨CD44基因中的单核苷酸多态性（single nucleotide polymorphism，SNP）位点与云南汉族人群宫颈癌和非小细胞肺癌（nonsmall cell lung cancer，NSCLC）易感性的相关性。方法：选取了CD44基因中的两个SNP位点rs13347和rs8193，采用TagMan基因分型的方法，分析这两个多态性位点在497例宫颈癌患者和500例健康对照个体以及483例NSCLC患者和471例健康对照个体中的分布特征，并分析CD44基因中的多态性位点与云南汉族人群宫颈癌和NSCLC的相关性。结果：rs13347和rs8193位点等位基因和基因型在宫颈癌组和对照组中的分布频率的差异无统计学意义（P>0.05）。而在NSCLC组和对照组的比较中：rs13347和rs8193位点等位基因在NSCLC组和对照组中的分布频率的差异有统计学意义（P=0.020和P=0.004）；这两个位点基因型在NSCLC组和对照组中分布频率的差异有统计学意义（P=0.027和P=0.020）；其中rs13347位点等位基因C在NSCLC组中的分布频率显著高于对照组，可能是NSCLC发生的风险因素（OR=1.250，95% CI：1.035～1.509），rs8193位点等位基因C在对照组中的分布频率显著高于NSCLC组，可能是NSCLC发生的保护性因素（OR=0.768，95%CI：0.641～0.921）。单倍型分析结果显示，rs13347C-rs8193T和rs13347T-rs8193C在NSCLC组和对照组中的分布频率差异有统计学意义（P=0.003和0.022）；该结果说明单倍型rs13347C-rs8193T可能是云南汉族人群NSCLC发生的风险性因素（OR=1.316，95%CI：1.096～1.579）。结论：CD44基因中的两个SNP位点rs13347和rs8193可能与云南汉族人群宫颈癌发病风险无关，而可能与云南汉族人群NSCLC具有相关性。     

护理干预对放疗科头颈部肿瘤放疗患者生活质量的影响

目的本文主要研究和探讨护理干预对放疗科头颈部肿瘤放疗患者生活质量的影响。方法将我院2017年2月份至2018年10月份收治的100例头颈部肿瘤放疗患者作为本次研究的对象,在随机原则的指导下把100例患者分为对照组和实验组,每组患者的数量为50例。对照组患者给予常规护理,实验组患者实施护理干预,对两组患者的生活质量、睡眠质量、护理满意度和护理依从性等进行对比分析。结果在生活质量、睡眠质量、护理满意度和护理依从性等方面,组间进行对比分析,实验组都明显优于对照组,P<0.05差异具有统计学意义。结论对头颈部肿瘤放疗患者实施护理干预可以让患者的生活质量、睡眠质量、护理依从性以及护理满意度等都得到显著的改善,从而让患者以一种积极、乐观的心态接受放疗,这对于放疗效果的提高具有重要的作用。总之,这一护理模式应该在临床中进行推广和使用。     

氩氦冷冻消融在肺癌多学科综合治疗中的研究进展

肺癌是世界上发病率最高的恶性肿瘤之一,外科手术为首选治疗方式。近年来许多新兴微创技术治疗肺癌取得了良好效果。氩氦冷冻消融术因具有损伤小、恢复快、安全性高、并发症少等优点,已取得医患双方认可。冷冻消融适用于不能手术切除的早期肺癌及减少晚期肺癌负荷。肿瘤是一种全身性疾病,因此冷冻消融联合其他治疗方法将是未来肺癌治疗发展方向,从而改善患者临床症状,提高生活质量,延长生存时间,达到最佳治疗效果。该文就冷冻消融治疗及与其他方法综合治疗肺癌研究现状和进展作一综述。     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

经自然腔道取标本手术在结直肠外科手术中的应用进展

随着腔镜技术的进一步发展以及微创理念应用于结直肠外科疾病的诊治中,结直肠相关疾病的诊治发生了翻天覆地的变化。由传统的经腹手术到腹腔镜手术、经自然腔道手术,再到经自然腔道取标本手术(NOSES),结直肠疾病的外科诊治在微创领域取得了巨大成果。NOSES技术是目前结直肠外科在微创领域前沿的手术方式之一,它通过经直肠、阴道取标本来避免了腹壁的辅助取标本切口,从而将结直肠外科手术进一步微创化。NOSES技术集传统腹腔镜手术的优势与现代微创外科的理念于一体,它在确保手术效果的基础上集中体现了微创、加速康复外科、功能外科、"无疤"等理念的特点。本文主要就国内外各中心开展NOSES技术在结直肠外科诊治开展中的相关经验、心得和体会进行综述。