OCR 2024 | 专访边云教授：从CT平扫到多模态融合，人工智能助力胰腺癌影像学诊断开启新篇章

胰腺癌（Pancreatic Cancer）是一种高度恶性的肿瘤，由于其早期症状不明显，常常在晚期才被发现，导致治疗难度大、预后差。近年来，随着影像技术和设备的快速发展，影像学在胰腺癌诊断中的作用日益凸显，不仅提高了早期诊断的准确性，也为后续治疗提供了重要依据。

近期，在第十四届东方放射学会议（OCR）上，来自海军军医大学第一附属医院边云教授对胰腺癌影像学进展进行了精彩分享。梅斯医学紧跟学术前沿，特邀边云教授深度解读多种影像技术在胰腺癌诊断中的应用，并展望胰腺癌影像学未来发展趋势。

梅斯医学：能否介绍一下近年来在胰腺癌早期诊断方面，影像学技术有哪些重要的突破和创新？

边云教授：过去，在诊断胰腺癌时依赖的影像学技术只能简单判断是否存在肿瘤，而且有时诊断结果并不十分准确，尤其是定性诊断方面。然而，随着人工智能技术的发展，诊断手段逐步从传统诊断方式过渡到了全自动化的人工智能辅助诊断，这极大地提高了胰腺癌分类诊断。人工智能技术的发展，使得胰腺癌的识别更加精确，尤其是考虑到胰腺癌占据了所有胰腺恶性肿瘤的90%以上，准确的分类诊断变得尤为重要。

目前，影像学技术在胰腺癌的应用主要集中在筛查和分类诊断上。尽管在该领域已经取得了一些进展，但在实际临床应用中，尚未见到成熟且广泛使用的诊断工具。不过，在基于CT平扫的胰腺癌筛查方面，我们科室已经开展了一系列研究工作，并取得了积极的成果。这也意味着未来仅通过CT平扫即可完成胰腺癌的初步诊断。如果初步诊断怀疑为胰腺癌，则可以进一步进行增强扫描和其他多学科联合诊断，以确认病情。

梅斯医学：多模态影像学（如 CT、MRI 等联合应用）在胰腺癌诊治中的应用现状如何？

边云教授：多模态影像学在胰腺癌的诊治中扮演着极其重要的角色。随着技术的进步和跨学科研究的发展，多模态影像学的应用正在改变胰腺癌的诊断、分期、治疗规划及疗效评估等多个环节。以往，我们主要依赖单一模态的影像学检查，如超声、CT或磁共振成像来进行定位和定性诊断。然而，随着学科间的交叉融合以及多种模态的综合应用，已经能够从多个角度揭示胰腺癌的特性，并对患者进行更精准的分层管理。

当前，通过将CT或磁共振成像与病理学相结合，尤其是与日益发展的病理人工智能技术相融合，包括蛋白质组学和基因组学的数据分析，可以从宏观到微观多层次地理解胰腺癌。例如，影像学能够提供肿瘤的大体形态学信息；病理学则能在细胞水平上揭示组织学特征；而分子或蛋白质层面的分析则能进一步揭示肿瘤的生物学行为。通过这三个维度的综合应用，能够更全面地揭示胰腺癌的异质性，这不仅有助于对患者进行更准确的分层，还能够为制定个体化治疗方案提供依据，并对胰腺癌的预后做出更为精确的判断。

梅斯医学：影像学检查在监测胰腺癌治疗效果（如放化疗、免疫治疗等）方面有哪些新的方法和指标？

边云教授：影像学检查在监测胰腺癌治疗效果方面发挥着至关重要的作用。随着医学技术的进步，出现了许多新的方法和指标，使得医生能够更准确地评价治疗反应并调整治疗方案。众所周知，胰腺癌治疗效果的评估主要是根据RECIST 1.1（Response Evaluation Criteria in Solid Tumors version 1.1）标准来判断治疗效果，基于肿瘤病灶的可测量性和大小变化来评估治疗反应。例如，一个原本直径为10厘米的肿瘤在经过放疗或化疗后缩小至9厘米、8厘米甚至7厘米，根据RECIST 1.1标准，可以据此判断治疗效果。然而，这种基于尺寸变化的评估方法较为粗略，不足以全面反映治疗的真实效果。

如今，借助数据挖掘技术和人工智能，我们能够从历史数据中识别出治疗效果良好的“金标准”病例。通过回顾这些患者在接受治疗前的影像学资料，建立预测模型以预测患者在接受治疗前的疗效。如果预测结果显示患者的治疗效果较好，那么可以建议患者接受相应的治疗；如果预测结果不佳，且患者仍有手术机会，而不是先行新辅助治疗。这种预测模型不仅可以进一步提升疾病诊断的准确性，还能为患者提供更全面的治疗方案。在数据挖掘技术和人工智能领域，我们医院影像科已经开展了一系列相关研究，并取得了积极的临床效果。我们期待这些研究成果能够尽快转化为临床应用，更好地服务于医生和患者，为患者提供更加精准的治疗方案。