胰腺神经内分泌肿瘤（pNETs）是一种异质性很强的肿瘤。在过去的二十年中，pNETs发病率和检出率呈现出显著上升的趋势，特别是由于增强扫描对于小型非功能性pNETs的诊断能力的提升。尽管在诊断和治疗方面的经验越来越多，具有高组织学分级的肿瘤往往伴随肿块效应或肿瘤转移等症状，因此这部分患者的预后会更差。基于肿瘤增殖特性，功能特性和生物特性所确定的肿瘤病理分级，医生可以对病人制定不同的，个体化的治疗策略。然而，临床上病理分级程度需要通过手术切除获取病人的肿瘤组织才能进一步确定。因此仍有一部分病人无法在手术前确定最佳的治疗策略，如辅助放化疗等，限制了pNETs个体化治疗的推进。

      针对这一难题，浙江大学转化医学研究院牛田野教授团队与浙江大学医学院附属第一医院、第二医院合作，开发了一套使用术前诊断CT图像评估pNETs病理分级的方法，实现了术前无创评估pNETs病理分级，指导病人的个体化治疗。相关研究成果发表在临床肿瘤学高水平学术期刊Clinical Cancer Research（SCI, IF = 10.199）上。

      本研究共纳入两家医院的137名患者，并对治疗前增强CT影像进行深度解析，构造影像组学标志物对患者的病理等级进行评估。本研究构建的影像组学模型可以将患者分为G1组（低病理等级）和G2/3组（高病理等级），并在训练集和测试集中都取得了较高的准确率（训练集：AUC=0.907；测试集AUC=0.891）。生存分析的结果表明，模型预测为G1级和G2/3级的患者在总体存活时间中存在显著性差异（p=0.0002），预测为G2/3级的患者预后时间更短。同时研究发现，影像组学标志物与病理等级的关键指标Ki-67指数和核有丝分裂率均具有显著性相关，揭示了影像组学与病理学指标所体现的细胞增殖情况之间的关联。

剪切

图 1. 本研究构建的影像组学列线图模型及其在训练集和独立验证集中的分类性能。

      团队构建的影像组学模型对于辅助胰腺神经内分泌肿瘤患者的临床决策有指导价值，可在治疗前对患者的病理分化程度进行准确分级，为制定更加合理的临床治疗方案提供新的依据。

图 2. 影像组学标志物与Ki-67（左）和核有丝分裂率（右）的相关性分析。

      该研究成果浙江大学转化医学研究院牛田野教授为主通讯作者，美国内华达大学Yu Kuang副教授为共同通讯作者，浙医一院放射科梁文杰医生为第一作者和共同通讯作者，课题组2017级交叉培养博士生杨鹏飞为论文共同第一作者。研究工作得到浙江省自然科学基金，国家自然科学基金，科技部863青年科学家计划，美国NIH等项目资助。

原文链接：http://clincancerres.aacrjournals.org/content/early/2018/11/03/1078-0432.ccr-18-1305