本文综述了2024年中国肝病超声临床研究的最新进展,内容涵盖肝脏局灶性病变的精准诊断、肝细胞癌生物学特性预测、疗效与预后评估、代谢相关脂肪性肝病的定量诊断以及介入超声治疗等多个领域。在肝肿瘤诊断方面,超声造影肝脏影像报告和数据系统的应用范围进一步拓展,其诊断效能显著提升。人工智能与多模态数据整合在肝癌生物学特性预测中发挥着重要作用,可提高预测的稳定性和普适性。超声技术结合多模态模型在肝肿瘤疗效及预后评估中展现出显著优势。此外,超声脂肪定量技术在代谢相关脂肪性肝病的诊断中取得重要突破,实现了从单中心到多中心验证的跨越。在肝脏介入超声研究中,不可逆电穿孔技术及人工智能辅助导航系统的应用显著提升了介入治疗的精准性和安全性。总体而言,2024年中国在肝病超声研究领域积极探索人工智能及多模态数据整合的应用,显著提升了肝病诊断与治疗评估的准确度和效率。研究在多中心验证和精准医学方向取得显著进展,为临床实践提供了新的思路和策略。
肝内胆管细胞癌(intrahepatic cholangiocarcinoma,ICC)是肝脏第二大原发恶性肿瘤,占10%~20%,其早期诊断困难,预后较差。ICC的隐匿性临床表现和影像学异质性导致多数患者确诊时已进展至晚期,错失手术根治机会。传统影像学如计算机体层成像(computed tomography,CT)和磁共振成像(magnetic resonance imaging,MRI)虽在检出病灶和评估转移方面具有优势,但仍存在局限性。超声造影(contrast-enhanced ultrasound,CEUS)凭借实时动态观察、无辐射、高时空分辨率和可重复性等特性,成为ICC诊断的有效影像学方法。ICC在CEUS中典型表现为动脉相环状高增强(arterial phase hyperenhancement,APHE)或非环状APHE,随后门脉相早期消退(60 s内)及延迟相显著低增强(“黑洞征”)。相比之下,HCC多表现为非环状APHE伴门脉相等增强和延迟相轻度消退,两者消退时间与程度的差异成为鉴别关键。2017版CEUS肝脏影像报告和数据系统(Liver Imaging Reporting and Data System,LI-RADS)将具备环状APHE、早期消退或显著消退特征的病灶归类为LR-M(提示非HCC恶性肿瘤),有效降低了ICC误诊为HCC的风险。此外,新型库普弗细胞特异性造影剂全氟丁烷(Perfluorobutane)的应用显著延长了造影时间,其库普弗相低增强特征对ICC的灵敏度高达100.0%,为肝硬化背景下的病灶检出提供了新的手段。CEUS与CT/MRI在ICC诊断中呈现互补性,多模态联合可提升诊断准确度,为疑难患者提供可靠方案。当前CEUS LI-RADS标准仍需解决LR-M分类中HCC与ICC的精准区分问题,尤其是在不同肝病背景(如肝硬化与非肝硬化)和肿瘤大小下的诊断阈值调整。全氟丁烷库普弗相的临床应用潜力需更大样本验证,其消退时间与肝背景的相关性亦待探索。
肝内胆管癌(intrahepatic cholangiocarcinoma,ICC)是一种侵袭性强、患者预后较差的肝脏恶性肿瘤,早期诊断对改善患者生存至关重要。常规超声对其诊断价值有限,临床上主要依赖对比增强计算机体层成像(contrast-enhanced computed tomography,CECT)或对比增强磁共振成像(contrast-enhanced magnetic resonance imaging,CEMRI)进行诊断。超声造影(contrast-enhanced ultrasound,CEUS)作为一种实时、无创、简便的影像学技术,在肝脏局灶性病变(focal liver lesion,FLL)的诊断中展现出重要价值。本文系统性回顾CEUS在ICC诊断中的应用现状,重点梳理其发展历程中的争议与最新进展。由于ICC与肝细胞癌(hepatocellular carcinoma,HCC)在CEUS表现上存在重叠特征,CEUS的诊断能力曾受到质疑,一度被美国肝病研究学会(American Association for the Study of Liver Diseases,AASLD)从HCC诊断工具中移除。此后,学术界围绕CEUS在ICC与HCC鉴别诊断中的价值展开了广泛讨论。近年来的研究表明,通过优化肝脏影像报告和数据系统(Liver Imaging Reporting and Data System,LI-RADS)标准、结合动态定量分析以及影像组学和人工智能技术,CEUS在ICC诊断中的准确度和特异度显著提升。随着更多高质量研究的开展,CEUS有望在ICC的早期诊断、分型及疗效监测中发挥更重要的作用。
目的: 评估超声造影(contrast-enhanced ultrasound,CEUS)肝脏影像报告和数据系统(Liver Imaging Reporting and Data System,LI-RADS)分类中的LR-M标准鉴别肝内胆管癌(intrahepatic cholangiocarcinoma,ICC)与低分化肝细胞癌(hepatocellular carcinoma,HCC)的诊断效能。方法: 回顾并分析2019年1月—2023年12月经病理学检查确诊的ICC患者和低分化HCC患者,所有患者均在治疗前接受了CEUS检查。对比两组患者的常规超声特征、CEUS特征及CEUS LI-RADS分类。根据病灶最大直径分为≤5 cm、5~10 cm及>10 cm 3个亚组,进行CEUS LI-RADS中LR-M类别诊断效能的亚组分析。CEUS LI-RADS类别根据2017版CEUS LI-RADS进行分类。采用受试者工作特征曲线分析LR-M的诊断性能。结果: 共纳入50例ICC和50例低分化HCC患者。24例(48.0%)ICC患者和10例(20.0%)低分化HCC患者病灶位于左肝(P=0.003)。23例(46.0%)ICC患者和1例(2.0%)低分化HCC患者出现胆管扩张或胆管结石(P<0.001)。31例(62.0%)ICC患者和1例(2.0%)低分化HCC患者病灶在动脉期呈现出典型的边缘性、不规则环状增强型(P<0.001)。34例(68.0%)ICC患者和3例(6.0%)低分化HCC患者在门脉期或延迟期出现显著廓清(P<0.001)。ICC和低分化HCC平均廓清时间分别为34.45 s和74.08 s(P<0.001)。LR-M的总体曲线下面积(area under curve,AUC)、灵敏度、特异度分别为0.730、94.00%及52.00%,在≤5 cm、5~10 cm及>10 cm 3个亚组中AUC分别为0.746、0.667及0.833。结论: LR-M分类在识别ICC方面具有高灵敏度,但其特异度有待提升。当病灶大小>10 cm时,LR-M分类准确度显著增加。当病灶大小≤5 cm或>10 cm时,LR-M鉴别ICC和低分化HCC的特异度显著提升。
目的: 探讨超声造影(contrast-enhanced ultrasound,CEUS)在经皮肝内胆管细胞癌(intrahepatic cholangiocarcinoma,ICC)穿刺活检中的临床应用价值。方法: 回顾并分析超声怀疑ICC并进行超声引导下经皮肝穿刺活检的患者,其中穿刺活检前行CEUS检查为CEUS组,未进行CEUS检查为对照组。比较两组超声图像特点、穿刺成功率以及并发症等方面的差异,分析CEUS对经皮ICC穿刺活检的应用价值。结果: 共纳入141例患者,其中CEUS组94例,对照组47例。CEUS组病灶内部坏死的显示率为22.3%(21/94),高于对照组的4.3%(2/47),差异有统计学意义(P=0.006)。CEUS组穿刺活检成功率为94.7%(89/94),高于对照组的83.0%(39/47),差异有统计学意义(P=0.032)。尤其对于3~5 cm病灶,CEUS组穿刺成功率显著高于对照组(95.5% vs 58.3%,P=0.014)。并发症情况比较,两组发生率分别为2.1%(2/94)与2.1%(1/47),均无严重并发症发生,差异无统计学意义(P=1.000)。结论: 经皮ICC穿刺前行CEUS检查安全有效,可对病灶内部结构进行有效评估,区分活性肿瘤组织与坏死区域,并可显著提高穿刺活检成功率,具有重要的指导价值。
目的: 探讨术前超声造影(contrast-enhanced ultrasound,CEUS)联合临床及病理学特征预测肝细胞癌(hepatocellular carcinoma,HCC)手术切除后早期复发(early recurrence,ER)的效能。方法: 回顾并分析2019年10月—2021年11月于南京医科大学第一附属医院首次接受HCC手术切除术的患者资料。所有患者术前均接受常规超声及CEUS检查且术后病理学检查确诊为HCC。根据术后2年内是否复发分为ER组和无ER组。采用单因素分析比较不同分组的临床资料、常规超声特征、CEUS参数和病理学特征的差异。多因素logistic回归筛选独立危险因素。随后,按照7∶3随机分为训练集和验证集,以构建CEUS-临床-病理联合风险预测模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)量化该模型的预测效能。最后将风险预测模型转化为列线图并验证其应用价值。结果: 共纳入136例患者。单因素及多因素分析结果表明,甲胎蛋白、包膜、廓清时间、开始廓清时期、分化程度、微血管浸润、肝硬化程度差异有统计学意义(均P<0.05),其中廓清时间、微血管浸润是HCC手术切除术后患者ER的独立危险因素。CEUS-临床-病理联合风险预测模型训练集AUC为0.858;验证集ROC曲线的AUC为0.903,灵敏度为94.1%,特异度为57.1%,约登指数0.878。列线图预测模型在内部验证中表现出良好的校准度。结论: CEUS-临床-病理联合模型有助于临床监测HCC手术切除后高危人群ER风险,从而及时干预以改善患者预后。
目的: 筛选与甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)颈中央区淋巴结转移(central lymph node metastasis,CLNM)相关的危险因素,并建立预测模型,以指导PTC患者的手术决策。方法: 回顾并分析南京鼓楼医院1 125例接受甲状腺手术的PTC患者临床特征、超声特征和基因信息,通过单因素和多因素logistic回归分析,筛选出CLNM独立危险因素,并构建列线图模型。使用校正曲线、受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线评估该预测模型的校准度、准确度和临床实用性。随后,收集483例在南京大学附属金陵医院接受甲状腺手术的PTC患者的相关资料,用于模型的外部验证。结果: 在1 125例PTC患者中,单因素回归分析结果显示CLNM阳性组与CLNM阴性组在性别、年龄、甲状腺球蛋白以及病灶超声特征(最大径、纵横比、边缘及微钙化)方面差异均有统计学意义(P<0.05)。多因素logistic回归确认患者性别、年龄以及病灶超声特征(最大径、边缘及微钙化)是CLNM的独立预测危险因素。基于独立危险因素绘制列线图模型,模型的曲线下面积(area under curve,AUC)在训练集中为0.768(95% CI 0.741~0.796),在验证集中为0.822(95% CI 0.784~0.859)。结论: 本研究建立的模型具有较好的预测能力和泛化能力,有望辅助临床医师为PTC患者制订个体化手术方案。
目的: 探讨双能量计算机体层成像(dual-energy computed tomography,DECT)定量参数在腮腺肿瘤鉴别诊断中的价值。方法: 回顾并分析2023年3月—2024年7月就诊于上海交通大学医学院附属第九人民医院的腮腺肿瘤患者的影像学资料。测量增强后虚拟平扫CT值(virtual non-contrast CT value,VNC)、碘浓度(iodine concentration,IC)、标准化碘浓度(normalized iodine concentration,NIC)、有效原子序数(effective atomic number,Zeff)、电子云密度(electron density,Rho)、40~100 keV的虚拟单能CT值(间隔20个单位)及能谱曲线斜率(slope of spectral curve,K)。比较良恶性腮腺肿瘤间、不同病理学类型肿瘤两两之间的定量参数差异。采用单、多因素logistic回归分析筛选各组间的独立预测因子,并用受试者工作特征(receiver operating characteristic,ROC)曲线评价定量参数的诊断效能。结果: 共纳入71例患者,其中良性腮腺肿瘤58例,包括33例33枚多形性腺瘤,25例26枚Warthin瘤;恶性腮腺肿瘤13例。良性与恶性肿瘤组之间,各参数差异均有统计学意义(P>0.05)。相较于Warthin瘤,多形性腺瘤具有显著更低的K(0.87±0.50)、VNC(27.28 HU±8.03 HU)、IC(1.00 mg/mL±0.08 mg/mL)、NIC(11.32%±5.64%)、Zeff(7.91±0.31)、Rho(33.27±5.99)及40~100 keV单能CT值(分别为91.39 HU±36.05 HU、57.81±17.48 HU、44.96 HU±10.95 HU、39.31 HU±8.50HU)(均P<0.05),其中Rho是鉴别两者的独立预测因子,曲线下面积(area under curve,AUC)为0.978。恶性肿瘤组的VNC(37.17 HU±9.86 HU)、Rho(42.89±6.64)及100 keV单能CT值(50.34 HU±7.33 HU)显著高于多形性腺瘤组(P<0.05),Rho是鉴别两者的独立预测因子,AUC为0.858。相较于Warthin瘤,恶性肿瘤有着显著更低的K(1.00±0.58)、IC(1.05 mg/mL±0.18 mg/mL)、NIC(13.00%±9.98%)、Zeff(7.89±0.34)及40~100 keV单能CT值(分别为110.46 HU±39.64 HU、71.71 HU±17.85 HU、56.87 HU±10.14 HU、50.34 HU±7.33 HU)(均P<0.05),其中100 keV单能CT值是鉴别两者的独立预测因子,AUC为0.852。结论: DECT可为腮腺肿瘤的鉴别诊断提供可靠的定量指标,具有重要的临床应用价值。
目的: 探索多参数磁共振成像(multiparametric magnetic resonance imaging,mpMRI)影像组学结合机器学习模型预测乳腺癌前哨淋巴结(sentinel lymph node,SLN)转移的潜在价值。方法: 回顾并分析经病理学检查证实的乳腺癌患者影像学及临床资料,并按7∶3分为训练组和验证组。基于T2加权成像(T2-weighted imaging,T2WI)、表观弥散系数(apparent diffusion coefficient,ADC)、动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)第2期,提取肿瘤整体感兴趣区(ROI_Whole)以及亚区(ROI_Sub)的影像组学特征,结合临床、病理学及影像学特征,构建多个机器学习模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线、决策曲线分析法(decision curve analysis,DCA)及校准曲线评价不同机器学习模型的预测效能。结果: 纳入193例乳腺癌患者,其中80例为SLN转移阳性,113例为SLN转移阴性,对患者的临床、影像学及病理学资料进行单因素和多因素logistic回归分析并筛选出与乳腺癌SLN转移相关的独立危险因素。最后分析得出,瘤周水肿和淋巴管血管侵犯(lymphovascular invasion,LVI)在SLN阳性组与阴性组间差异有统计学意义(P<0.01),且LVI为独立预测因子(P<0.05)。采用T2WI、ADC、ROI-Whole、ROI-Sub影像组学特征及LVI构建的多层感知机(multi-layer perceptron,MLP)模型效能最佳,在训练集中曲线下面积(area under curve,AUC)为0.947,在验证集中AUC为0.932。结论: 基于乳腺mpMRI的影像组学模型在术前能够有效预测乳腺癌SLN转移。
T1 mapping技术是一种定量磁共振成像技术,随着该技术的发展,实现T1 mapping技术的方法不断更新,从传统的T1 mapping技术到一次扫描即可获得多个参数的合成磁共振成像,每种方法也各有其优缺点。目前,该技术被广泛应用于头颈、胸部、乳腺、肝脏、宫颈及直肠等部位肿瘤性病变的研究中。本文主要就T1 mapping技术在各系统肿瘤性病变的诊断、鉴别诊断及预后评估等方面的应用研究进展进行综述。