Современная лучевая диагностика и интеллектуальные персонализированные технологии в гепатопанкреатологии
- Авторы: Кармазановский Г.Г.1,2, Кондратьев Е.В.1, Груздев И.С.1, Тихонова В.С.1, Шантаревич М.Ю.1, Замятина К.А.1, Сташкив В.И.1, Ревишвили А.Ш.1
-
Учреждения:
- Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
- Российский национальный исследовательский медицинский университет имени Н.И. Пирогова
- Выпуск: Том 77, № 4 (2022)
- Страницы: 245-253
- Раздел: АКТУАЛЬНЫЕ ВОПРОСЫ ГАСТРОЭНТЕРОЛОГИИ
- URL: https://ogarev-online.ru/vramn/article/view/125583
- DOI: https://doi.org/10.15690/vramn2053
- ID: 125583
Цитировать
Полный текст
Аннотация
Своевременная инструментальная диагностика заболеваний гепатопанкреатодуоденальной области, особенно онкологического характера, является залогом успешного лечения, улучшения прогноза и повышения качества жизни пациентов. На данный момент возможности лучевой диагностики позволяют выявить и оценить характер кровоснабжения новообразования, его распространенность, целлюлярность, а в случае МР-исследования с гепатоспецифическими контрастными препаратами — также оценить и функциональную активность печеночных клеток. Тем не менее неуклонное развитие методов лечения онкологических пациентов, в частности химиотерапии, и персонализированного подхода к выбору тактики ведения пациента требует подробной оценки морфологических типов тех или иных новообразований. Необходимость динамического наблюдения результатов проведенного лечения, мониторинга случайно выявленных, потенциально злокачественных новообразований, развитие скрининговых программ обусловливают неуклонный рост количества выполняемых ежегодно в мире и в нашей стране КТ- и МРТ-исследований. Эти факторы послужили причиной применения текстурного анализа и алгоритмов машинного обучения. При этом такие методики, как рентгенография, УЗИ, КТ и МРТ с внеклеточным и тканеспецифическим контрастным усилением и МРТ-ДВИ, не утрачивают своего значения. Проводимые исследования позволяют ФГБУ НМИЦ хирургии им. А.В. Вишневского Минздрава России реализовать концепцию дооперационной неинвазивной диагностики и дифференциальной диагностики хирургических и онкологических заболеваний гепатопанкреатодуоденальной области и применять полученные знания в планировании оперативного лечения. Реализация проблемы постпроцессорной обработки данных лучевой диагностики хирургических и онкологических заболеваний гепатопанкреатодуоденальной области с применением технологий текстурного анализа и искусственного интеллекта важна и чрезвычайно актуальна для современной медицины.
Ключевые слова
Полный текст
Открыть статью на сайте журналаОб авторах
Григорий Григорьевич Кармазановский
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского; Российский национальный исследовательский медицинский университет имени Н.И. Пирогова
Автор, ответственный за переписку.
Email: karmazanovsky@ixv.ru
ORCID iD: 0000-0002-9357-0998
SPIN-код: 5964-2369
Scopus Author ID: 55944296600
д.м.н., профессор, академик РАН
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27; МоскваЕвгений Валерьевич Кондратьев
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: evgenykondratiev@gmail.com
ORCID iD: 0000-0001-7070-3391
SPIN-код: 2702-6526
Scopus Author ID: 55865664400
к.м.н.
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Иван Сергеевич Груздев
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: gruzdev_van@mail.ru
ORCID iD: 0000-0003-0781-9898
SPIN-код: 3350-0832
Scopus Author ID: 57209689128
аспирант
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Валерия Сергеевна Тихонова
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: vdovenkobc28@mail.ru
ORCID iD: 0000-0001-9782-7335
SPIN-код: 6252-5706
Scopus Author ID: 57219607436
аспирант
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Мария Юрьевна Шантаревич
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: shantarevichm@list.ru
ORCID iD: 0000-0002-4518-4451
SPIN-код: 5652-5053
Scopus Author ID: 57206847669
аспирант
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Ксения Андреевна Замятина
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: catos-zama@mail.ru
ORCID iD: 0000-0002-1643-6613
SPIN-код: 8672-4101
Scopus Author ID: 57212211885
аспирант
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Владислава Ивановна Сташкив
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: vladastashkiv@gmail.com
ORCID iD: 0000-0002-7349-1192
SPIN-код: 4319-6634
Scopus Author ID: 57219869096
аспирант
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Амиран Шотаевич Ревишвили
Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского
Email: amirevi@mail.ru
ORCID iD: 0000-0003-1791-9163
SPIN-код: 8181-0826
Scopus Author ID: 7003940753
д.м.н., профессор, академик РАН
Россия, 117997, Москва, ул. Большая Серпуховская, д. 27Список литературы
- Kumar V, Gu Y, Basu S, et al. Radiomics: the process and the challenges. Magn Reson Imaging. 2012;30(9):1234–1248. doi: https://doi.org/10.1016/j.mri.2012.06.010
- Choi SH, Kim SY, Park SH, et al. Diagnostic performance of CT, gadoxetate disodium-enhanced MRI, and PET/CT for the diagnosis of colorectal liver metastasis: Systematic review and meta-analysis. J Magn Reson Imaging. 2018;47(5):1237–1250. doi: https://doi.org/10.1002/jmri.25852
- Roberts LR, Sirlin CB, Zaiem F, et al. Imaging for the diagnosis of hepatocellular carcinoma: A systematic review and meta-analysis. Hepatology. 2018;67(1):401–421. doi: https://doi.org/10.1002/hep.29487
- Andreucci M. Side effects of radiographic contrast media. Biomed Res Int. 2014;2014:872574. doi: https://doi.org/10.1155/2014/872574
- Maeda T, Oda M, Kito S, et al. Can the lower rate of CT- or MRI-related adverse drug reactions to contrast media due to stricter limitations on patients undergoing contrast-enhanced CT or MRI? Dentomaxillofac Radiol. 2020;49(2):20190214. doi: https://doi.org/10.1259/dmfr.20190214
- Гальчина Ю.С., Кармазановский Г.Г., Калинин Д.В., и др. Критерии диагностики «мягкой» поджелудочной железы и их влияние на возникновение панкреатического свища после панкреатодуоденальной резекции // Анналы хирургической гепатологии. — 2020. — Т. 25. — № 2. — С. 113–123. [Galchina YuS, Kаrmаzаnovsky GG, Kalinin DV, et al. Diagnostic criteria for a “soft” pancreas and their influence on the occurrence of pancreatic fistula after pancreatoduodenal. Annaly khirurgicheskoy gepatologii = Annals of HPB Surgery. 2020;25(2):113–123. (In Russ.)] doi: https://doi.org/10.16931/1995-5464.20202113-123
- Vreugdenburg TD, Ma N, Duncan JK, et al. Comparative diagnostic accuracy of hepatocyte-specific gadoxetic acid (Gd–EOB–DTPA) enhanced MR imaging and contrast enhanced CT for the detection of liver metastases: a systematic review and meta-analysis. Int J Colorectal Dis. 2016;31(11):1739–1749. doi: https://doi.org/10.1007/s00384-016-2664-9
- McInnes MD, Hibbert RM, Inácio JR, et al. Focal Nodular Hyperplasia and Hepatocellular Adenoma: Accuracy of Gadoxetic Acid-enhanced MR Imaging — A Systematic Review. Radiology. 2015;277(2):413–423. doi: https://doi.org/10.1148/radiol.2015142986
- Vernuccio F, Gagliano DS, Cannella R, et al. Spectrum of liver lesions hyperintense on hepatobiliary phase: an approach by clinical setting. Insights Imaging. 2021;12(1):8. doi: https://doi.org/10.1186/s13244-020-00928-w
- Kudo M, Matsui O, Izumi N, et al. Liver Cancer Study Group of Japan. JSH consensus-based clinical practice guidelines for the management of hepatocellular carcinoma: 2014 update by the Liver Cancer Study Group of Japan. Liver Cancer. 2014;3(3–4):458–468. doi: https://doi.org/10.1159/000343875
- Kitao A, Matsui O, Yoneda N, et al. The uptake transporter OATP8 expression decreases during multistep hepatocarcinogenesis: correlation with gadoxetic acid enhanced MR imaging. Eur Radiol. 2011;21(10):2056–2066. doi: https://doi.org/10.1007/s00330-011-2165-8
- Ba-Ssalamah A, Antunes C, Feier D, et al. Morphologic and molecular features of hepatocellular adenoma with gadoxetic acid-enhanced MR imaging. Radiology. 2015;277(1):104–113. doi: https://doi.org/10.1148/radiol.2015142366
- Holzapfel K, Bruegel M, Eiber M, et al. Characterization of small (≤10 mm) focal liver lesions: value of respiratory-triggered echo-planar diffusion-weighted MR imaging. Eur J Radiol. 2010;76(1):89–95. doi: https://doi.org/10.1016/j.ejrad.2009.05.014
- Вдовенко В.С., Карельская Н.А., Кондратьев Е.В., и др. Криодеструкция злокачественных образований печени: предварительные результаты МРТ-мониторинга на этапах лечения // Медицинская визуализация. — 2019. — № 1. — С. 8–18. [Vdovenko VS, Кагеlsкауа NA, Kondratyev EV, et al. Сryodestruсtion of m8lign8nt liver lesions: MRI monitoring of trestment, preliminsry results. Medical Visualization. 2019;1:8–18. (In Russ.)] doi: https://doi.org/10.24835/1607-0763-2019-1-8-18
- Ломовцева К.Х. Дифференциальная диагностика образований печени солидной структуры: роль диффузионно-взвешенных изображений и гепатоспецифичных контрастных средств: автореф. дис. ... канд. мед. наук. — М., 2019. — 24 с. [Lomovceva KH. Differencial’naya diagnostika obrazovanij pecheni solidnoj struktury: rol’ diffuzionno-vzveshennyh izobrazhenij i gepatospecifichnyh kontrastnyh sredstv: avtoref. dis. ... kand. med. nauk. Moscow; 2019. 24 s. (In Russ.)] Available from: https://www.sechenov.ru/upload/medialibrary/49e/AVTOREFERAT-v-pechat.pdf
- Jeong WK, Jamshidi N, Felker ER, et al. Radiomics and radiogenomics of primary liver cancers. Clin Mol Hepatol. 2019;25(1):21–29. doi: https://doi.org/10.3350/cmh.2018.100
- Raman SP, Schroeder JL, Huang P, et al. Preliminary data using computed tomography texture analysis for the classification of hypervascular liver lesions: generation of a predictive model on the basis of quantitative spatial frequency measurements — a work in progress. J Comput Assist Tomogr. 2015;39(3):383–395. doi: https://doi.org/10.1097/RCT.0000000000000217
- Stocker D, Marquez HP, Wagner MW, et al. MRI texture analysis for differentiation of malignant and benign hepatocellular tumors in the non-cirrhotic liver. Heliyon. 2018;4(11):e00987. doi: https://doi.org/10.1016/j.heliyon.2018.e00987
- Martins-Filho SN, Paiva C, Azevedo RS, et al. Histological Grading of Hepatocellular Carcinoma-A Systematic Review of Literature. Front Med (Lausanne). 2017;4:193. doi: https://doi.org/10.3389/fmed.2017.00193
- Chen W, Zhang T, Xu L, et al. Radiomics Analysis of Contrast-Enhanced CT for Hepatocellular Carcinoma Grading. Front Oncol. 2021;11:660509. doi: https://doi.org/10.3389/fonc.2021.660509
- Chang N, Cui L, Luo Y, et al. Development and multicenter validation of a CT-based radiomics signature for discriminating histological grades of pancreatic ductal adenocarcinoma. Quant Imaging Med Surg. 2020;10(3):692–702. doi: https://doi.org/10.21037/qims.2020.02.21
- Qiu W, Duan N, Chen X, et al. Pancreatic Ductal Adenocarcinoma: Machine Learning-Based Quantitative Computed Tomography Texture Analysis For Prediction Of Histopathological Grade. Cancer Manag Res. 2019;11:9253–9264. doi: https://doi.org/10.2147/CMAR.S218414
- Yamashita R, Perrin T, Chakraborty J, et al. Radiomic feature reproducibility in contrast-enhanced CT of the pancreas is affected by variabilities in scan parameters and manual segmentation. Eur Radiol. 2020;30(1):195–205. doi: https://doi.org/10.1007/s00330-019-06381-8
- Тихонова В.С., Кармазановский Г.Г., Кондратьев Е.В., и др. Влияние параметров низкодозового протокола сканирования на результаты текстурного анализа протоковой аденокарциномы поджелудочной железы // Анналы хирургической гепатологии. — 2021. — Т. 26. — № 1. — С. 25–33. [Tikhonova VS, Karmazanovsky GG, Kondratyev EV, et al. Influence of the low-dose CE-MDCT scanning protocol parameters on the results of pancreatic ductal adenocarcinoma radiomic analysis. Annaly khirurgicheskoy gepatologii = Annals of HPB Surgery. 2021;26(1):25–33. (In Russ.)] doi: https://doi.org/10.16931/1995-5464.2021125-33
- Eilaghi A, Baig S, Zhang Y, et al. CT texture features are associated with overall survival in pancreatic ductal adenocarcinoma — a quantitative analysis. BMC Med Imaging. 2017;17(1):38. doi: https://doi.org/10.1186/s12880-017-0209-5
- Sandrasegaran K, Lin Y, Asare-Sawiri M, et al. CT texture analysis of pancreatic cancer. Eur Radiol. 2019;29(3):1067–1073. doi: https://doi.org/10.1007/s00330-018-5662-1
- Kulkarni A, Carrion-Martinez I, Jiang NN, et al. Hypovascular pancreas head adenocarcinoma: CT texture analysis for assessment of resection margin status and high-risk features. Eur Radiol. 2020;30(5):2853–2860. doi: https://doi.org/10.1007/s00330-019-06583-0
- Yun G, Kim YH, Lee YJ, et al. Tumor heterogeneity of pancreas head cancer assessed by CT texture analysis: association with survival outcomes after curative resection. Sci Rep. 2018;8(1):7226. doi: https://doi.org/10.1038/s41598-018-25627-x
- Fang WH, Li XD, Zhu H, et al. Resectable pancreatic ductal adenocarcinoma: association between preoperative CT texture features and metastatic nodal involvement. Cancer Imaging. 2020;20(1):17. doi: https://doi.org/10.1186/s40644-020-0296-3
- Park S, Chu LC, Hruban RH, et al. Differentiating autoimmune pancreatitis from pancreatic ductal adenocarcinoma with CT radiomics features. Diagn Interv Imaging. 2020;101(9):555–564. doi: https://doi.org/10.1016/j.diii.2020.03.002
- Zaheer A, Singh VK, Akshintala VS, et al. Differentiating autoimmune pancreatitis from pancreatic adenocarcinoma using dual-phase computed tomography. J Comput Assist Tomogr. 2014;38(1):146–152. doi: https://doi.org/10.1097/RCT.0b013e3182a9a431
- Zhang JJ, Li QZ, Wang JH, et al. Contrast-enhanced CT and texture analysis of mass-forming pancreatitis and cancer in the pancreatic head. Zhonghua Yi Xue Za Zhi. 2019;99(33):2575–2580. Chinese. doi: https://doi.org/10.3760/cma.j.issn.0376-2491.2019.33.004
- Ren S, Zhao R, Zhang J, et al. Diagnostic accuracy of unenhanced CT texture analysis to differentiate mass-forming pancreatitis from pancreatic ductal adenocarcinoma. Abdom Radiol (NY). 2020;45(5):1524–1533. doi: https://doi.org/10.1007/s00261-020-02506-6
- Wolske KM, Ponnatapura J, Kolokythas O, et al. Chronic Pancreatitis or Pancreatic Tumor? A Problem-solving Approach. Radiographics. 2019;39(7):1965–1982. doi: https://doi.org/10.1148/rg.2019190011
- Ren S, Zhao R, Zhang J, et al. Diagnostic accuracy of unenhanced CT texture analysis to differentiate mass-forming pancreatitis from pancreatic ductal adenocarcinoma. Abdom Radiol (NY). 2020;45(5):1524–1533. doi: https://doi.org/10.1007/s00261-020-02506-6
- Ciaravino V, Cardobi N, De Robertis R, et al. CT Texture Analysis of Ductal Adenocarcinoma Downstaged After Chemotherapy. Anticancer Res. 2018;38(8):4889–4895. doi: https://doi.org/10.21873/anticanres.12803
- Gruzdev IS, Zamyatina KA, Tikhonova VS, et al. Reproducibility of CT texture features of pancreatic neuroendocrine neoplasms. Eur J Radiol. 2020;133:109371. doi: https://doi.org/10.1016/j.ejrad.2020.109371
- Zhao B, Tan Y, Tsai WY, et al. Reproducibility of radiomics for deciphering tumor phenotype with imaging. Sci Rep. 2016;6:23428. doi: https://doi.org/10.1038/srep23428
- Pavic M, Bogowicz M, Würms X, et al. Influence of inter-observer delineation variability on radiomics stability in different tumor sites. Acta Oncol. 2018;57(8):1070–1074. doi: https://doi.org/10.1080/0284186X.2018.1445283
- Белоусова Е.Л., Кармазановский Г.Г., Кубышкин В.А., и др. КТ-признаки, позволяющие определить оптимальную тактику лечения при нейроэндокринных опухолях поджелудочной железы // Медицинская визуализация. — 2015. — № 5. — С. 73–82. [Belousova EL, Karmazanovsky GG, Kubyshkin VA, et al. CT Features Predict the Optimal Therapeutic Approach for Pancreatic Neuroendocrine Neoplasms. Medical Visualization. 2015;5:73–82. (In Russ.)] Available from: https://medvis.vidar.ru/jour/article/view/231
- Belousova E, Karmazanovsky G, Kriger A, et al. Contrast-enhanced MDCT in patients with pancreatic neuroendocrine tumours: correlation with histological findings and diagnostic performance in differentiation between tumour grades. Clin Radiol. 2017;72(2):150–158. doi: https://doi.org/10.1016/j.crad.2016.10.021
- Груздев И.С., Тихонова В.С., Замятина К.А., и др. Компьютерная томография в прогнозировании степени дифференцировки гиперваскулярных нейроэндокринных опухолей поджелудочной железы: текстурный анализ и характеристики контрастирования // REJR. — 2021. — Т. 11. — № 4. — С. 105–114. [Gruzdev IS, Tikhonova VS, Zamyatina KA, et al. Computed tomography in prediction of hypervascular pancreatic neuroendocrine tumors grade: texture analysis and contrast enhancement features. REJR. 2021;11(4):105–114. (In Russ.)] doi: https://doi.org/10.21569/2222-7415-2021-11-4-105-114
- Lin X, Xu L, Wu A, et al. Differentiation of intrapancreatic accessory spleen from small hypervascular neuroendocrine tumor of the pancreas: textural analysis on contrast-enhanced computed tomography. Acta Radiol. 2019;60(5):553–560. doi: https://doi.org/10.1177/0284185118788895
- Van der Pol CB, Lee S, Tsai S, et al. Differentiation of pancreatic neuroendocrine tumors from pancreas renal cell carcinoma metastases on CT using qualitative and quantitative features. Abdom Radiol (NY). 2019;44(3):992–999. doi: https://doi.org/10.1007/s00261-018-01889-x
- Liu KL, Wu T, Chen PT, et al. Deep learning to distinguish pancreatic cancer tissue from non-cancerous pancreatic tissue: a retrospective study with cross-racial external validation. Lancet Digit Health. 2020;2(6):e303–e313. doi: https://doi.org/10.1016/S2589-7500(20)30078-9
- Chan HP, Samala RK, Hadjiiski LM, et al. Deep Learning in Medical Image Analysis. Adv Exp Med Biol. 2020;1213:3–21. doi: https://doi.org/10.1007/978-3-030-33128-3_1
- Yasaka K, Abe O. Deep learning and artificial intelligence in radiology: Current applications and future directions. PLoS Med. 2018;15(11):e1002707. doi: https://doi.org/10.1371/journal.pmed.1002707
- Yasaka K, Akai H, Abe O, et al. Deep Learning with Convolutional Neural Network for Differentiation of Liver Masses at Dynamic Contrast-enhanced CT: A Preliminary Study. Radiology. 2018;286(3):887–896. doi: https://doi.org/10.1148/radiol.2017170706
- Kim K, Kim S, Han K, et al. Diagnostic Performance of Deep Learning-Based Lesion Detection Algorithm in CT for Detecting Hepatic Metastasis from Colorectal Cancer. Korean J Radiol. 2021;22(6):912–921. doi: https://doi.org/10.3348/kjr.2020.0447
Дополнительные файлы
