基于CT决策树模型鉴别3厘米以下胃异位胰腺与胃肠道间质瘤的多中心研究

《BMC Gastroenterology》：A CT-based decision tree model for differentiating sub-3 cm gastric ectopic pancreas from gastrointestinal stromal tumors

本研究针对直径<3 cm的胃异位胰腺(GEPs)与胃肠道间质瘤(GISTs)术前鉴别难题，开发了一种整合临床与CT特征的决策树模型。研究通过多中心回顾性分析86例患者数据，筛选出年龄、动脉期病灶/胰腺CT值比值(A2)、长径/短径比值(LD/SD比值)和病灶内低密度区(ILA)四个关键变量，构建的模型在独立测试集中AUC达0.744，灵敏度76.9%，特异度84.6%。该模型为小病灶的精准鉴别提供了可视化工具，可有效避免不必要的手术干预。

　　

在胃部黏膜下肿瘤的诊疗迷宫中，医生们常常面临一个棘手的难题：如何准确区分两种形态相似但治疗策略截然不同的疾病——胃异位胰腺（Gastric Ectopic Pancreas, GEPs）与胃肠道间质瘤（Gastrointestinal Stromal Tumors, GISTs）。这两种疾病在影像学上如同“双胞胎”，尤其在直径小于3厘米的小病灶中，其计算机断层扫描（Computed Tomography, CT）特征高度重叠，都可能表现为边界清晰、类圆形或卵圆形的软组织肿块，伴有轻度至中度强化。然而，它们的生物学行为却天差地别：GEPs是一种先天发育异常，通常为良性，生长缓慢，恶性潜能极低，许多患者甚至可以选择保守观察；而GISTs则具有侵袭性，约10%-30%的病例存在侵袭或转移风险，需要早期手术干预。目前，确诊的金标准依赖于术后病理和免疫组化分析（如GEPs表达胰腺酶、细胞角蛋白CK和过碘酸雪夫染色PAS，GISTs常为CD117(KIT)和DOG-1阳性），但缺乏有效的术前无创诊断工具，导致部分良性GEPs被误切，而低风险GISTs则可能延误治疗。这一诊断困境，正是段佳琪、赵蕴智等研究人员在《BMC Gastroenterology》上发表其最新研究的出发点。

为了破解这一临床难题，研究团队开展了一项多中心回顾性研究，旨在开发一种基于CT的决策树模型，整合临床和影像学特征，实现对小于3厘米的GEPs和GISTs的术前精准鉴别。研究纳入了2014年1月至2024年12月期间来自两家医院的86例经病理证实的患者（GEPs 26例，GISTs 60例）。所有患者术前均接受了包含胰腺在内的增强CT扫描。研究人员系统性地收集了患者的临床信息（如年龄、性别、临床症状）和22项CT影像特征。数据集按7:3的比例随机划分为训练集和测试集。在训练集上，首先通过单因素分析筛选出与鉴别诊断显著相关的变量，进而利用多因素逻辑回归（Logistic Regression）确定独立预测因子。基于这些关键变量，构建决策树分类模型，并通过五折交叉验证（Five-fold Cross-validation）优化模型超参数。最后，在独立的测试集上评估模型的诊断性能，包括绘制受试者工作特征曲线（Receiver Operating Characteristic curve, ROC）计算曲线下面积（Area Under the Curve, AUC）、灵敏度、特异度，并利用校准曲线（Calibration Curve）评估模型预测概率与实际观测值之间的一致性。此外，还采用了SHAP（SHapley Additive exPlanations）方法对模型的预测结果进行可视化解释，增强模型的可解释性。

患者 demographics

对训练集的人口统计学分析显示，GEPs患者组（平均年龄46.44±13.87岁）显著年轻于GISTs组（平均年龄58.81±9.81岁），而性别分布和临床症状在两组间无显著差异。

Qualitative and quantitative imaging feature analysis

CT特征的比较分析揭示了13个在GEPs和GISTs之间存在显著差异的变量。这些变量涵盖了病灶位置、轮廓、瘤周低密度线、短径、长径/短径比值（LD/SD ratio）、平扫、动脉期及静脉期病灶CT值（P₁, A₁, V₁）、动脉期强化值（DEAP）、动脉期病灶/胰腺CT值比值（A₂）、强化程度、强化模式以及病灶内低密度区（ILA）。

Feature selection and logistic regression analysis

多因素逻辑回归分析最终确定了四个独立预测因子：患者年龄、病灶内低密度区（ILA）、长径/短径比值（LD/SD ratio）以及动脉期病灶/胰腺CT值比值（A₂）。这些变量被用于构建最终的决策树模型。值得注意的是，虽然单因素分析中“瘤周低密度线”在GEPs中更常见，但在多因素分析中未显示出独立预测价值。

LD/SD ratio characterization

形态学分析发现，GEPs的LD/SD比值（1.54±0.42）显著高于GISTs（1.19±0.18）。研究确定以1.2作为鉴别阈值，具有较高的灵敏度（84.6%）和特异性（65%）。

Decision tree model development

优化后的决策树模型以A₂作为根节点，依次根据ILA、LD/SD比值和年龄进行分支。SHAP分析显示，A₂对模型预测的贡献最大，其次是ILA、LD/SD比值和年龄。五折交叉验证结果显示模型性能稳定，平均AUC为0.862±0.035。

Model validation and performance

在独立测试集上，该决策树模型取得了AUC为0.744（95% CI: 0.589-0.950）的鉴别性能，灵敏度为76.9%，特异度为84.6%。校准曲线分析以及较低的Brier分数（0.0648）和Hosmer-Lemeshow检验结果（χ2=5.365, df=8, P=0.718）均表明模型的预测概率与实际概率具有良好的一致性。

该研究的结论与讨论部分强调，所开发的决策树模型成功整合了一个临床因素（年龄）和三个关键的CT影像特征（ILA, A₂, LD/SD比值），形成了一个层次清晰、逻辑透明的可视化诊断工具。其中，A₂作为最重要的鉴别特征，反映了GEPs由于其独特的微循环结构（血供来自局部小动脉，静脉直接回流入门脉系统）而呈现的相对于正常胰腺较低的动脉期强化特性。对于小病灶而言，将内部各种低密度表现（如导管扩张、囊性变、黏液区）统一定义为ILA，提高了检测的敏感性。在形态学上，针对小于3厘米的病灶，将LD/SD比值的鉴别阈值设定为1.2比以往文献中提到的1.4更为适用。年龄作为辅助因素，进一步支持了GEPs好发于年轻人群的流行病学特点。该模型不仅展示了强大的判别能力和良好的校准性能，更重要的是其决策过程易于理解和遵循，为临床医生在面临小胃部黏膜下肿瘤鉴别诊断时提供了实用、可靠的非侵入性辅助手段，有望优化患者管理策略，减少不必要的手术。当然，研究者也指出了本研究的局限性，如回顾性设计可能带来的选择偏倚、多中心间CT扫描参数的差异、以及部分决策节点样本量较小等，这些都需要未来更大样本量的前瞻性研究进一步验证和优化模型的普适性。总之，这项发表于《BMC Gastroenterology》的工作，为精准影像诊断领域贡献了一个具有临床转化潜力的创新工具。