Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Endoskopowe różnicowanie guzów neuroendokrynnych trzustki i gruczolakoraka przewodu trzustkowego na podstawie ultrasonografii

527 wyświetleń

DOI:

10.3791/68199

20 czerwca 2025

* These authors contributed equally

W tym artykule

Podsumowanie

To badanie przedstawia metodę wykorzystującą cyfrową analizę obrazu do różnicowania między nowotworami neuroendokrynnymi trzustki (PNEN) a gruczolakorakiem przewodowym trzustki (PDAC).

Streszczenie

Endoskopowe ultrasonografie (EUS) jest jedną z najbardziej krytycznych metod obrazowania do oceny mas trzustki, zapewniając wizualizację trzustki w wysokiej rozdzielczości. Badanie to miało na celu ocenę wykonalności cyfrowej analizy obrazu (DIA) w różnicowaniu nowotworów neuroendokrynnych trzustki (PNEN) od gruczolakoraka przewodowego trzustki (PDAC) w litych guzach trzustki obserwowanych za pośrednictwem EUS. Przeprowadzono retrospektywną analizę wszystkich guzów litych trzustki badanych procedurami EUS w latach 2018-2023, w tym przypadków z potwierdzonymi rozpoznaniami patologicznymi PDAC i PNEN. Do wykonania DIA użyto programu Adobe Photoshop. Współczynnik szarości, zdefiniowany jako stosunek skali szarości zmiany do wybranego tła, został obliczony w celu zapewnienia spójności. Okrągłość określano na podstawie stosunku powierzchni do obwodu. Dodatkowo wyodrębniono odchylenia standardowe w skali szarości w celu dalszej analizy. Trzy parametry ilościowe ze zdjęć EUS wykazały potencjał do odróżnienia PNEN od PDAC: kołowość, współczynnik szarości i odchylenie standardowe w skali szarości. W szczególności kołowość większa niż 0,68, współczynnik szarości przekraczający 0,40 i odchylenie standardowe w skali szarości poniżej 12,44 wskazywały na potencjalny PNEN.

Wprowadzenie

Rak trzustki składa się zarówno ze zmian litych, jak i torbielowatych i znajduje się wśród dziesięciu głównych przyczyn zgonów związanych z rakiem na świecie1. Najbardziej rozpowszechnionym typem histologicznym litego guza trzustki jest gruczolakorak przewodowy trzustki (PDAC), stanowiący 95% złośliwych nowotworów trzustki. W momencie diagnozy u około 80% przypadków PDAC występuje miejscowo zaawansowana choroba lub przerzuty, z medianą czasu przeżycia krótszą niż jeden rok2. Chirurgiczne i pooperacyjne terapie uzupełniające są możliwe tylko dla pozostałych 20% pacjentów i mogą wydłużyć 5-letnie przeżycie do około 10%-22%.

Nowotwory neuroendokrynne trzustki (PNEN) stanowią drugie najczęstsze lite guzy trzustki i mają lepsze rokowanie niż PDAC3. PNEN-y są klasyfikowane jako funkcjonalne lub niefunkcjonalne w oparciu o wydzielanie hormonów endokrynnych trzustki i związane z tym objawy kliniczne. Strategie leczenia PNEN różnią się znacznie od tych stosowanych w przypadku PDAC. W przypadku PNEN we wczesnym stadium leczenie chirurgiczne jest podstawowym zaleceniem i pozostaje jedynym dostępnym leczeniem "leczniczym". Ponadto chemioterapia PNEN jest bardziej specyficzna i selektywna w porównaniu z PDAC, wykorzystując środki takie jak analogi somatostatyny i inhibitory receptorowej kinazy tyrozynowej. Zgodnie z klasyfikacją WHO, PNEN-y są podzielone na trzy stopnie histologiczne w oparciu o liczbę mitotyczną i indeks Ki-67, z których oba służą jako wiarygodne wskaźniki prognostyczne 4.

Biorąc pod uwagę różnice w epidemiologii, rokowaniu i leczeniu między PDAC a PNEN, precyzyjna diagnoza jest kluczowa dla skutecznego leczenia. W algorytmie postępowania w przypadku guzów trzustki endoskopowe badanie ultrasonograficzne (EUS) i aspiracja cienkoigłowa pod kontrolą EUS (EUS-FNA) stały się podstawowymi metodami diagnozy, oceny stopnia zaawansowania i leczenia. Zmiany z nieregularnymi krawędziami i rozszerzeniem przewodu trzustkowego na EUS często wskazują na PDAC, a nie PNEN5,6,7. Jednak interpretacja obrazów ultrasonograficznych – kluczowego elementu EUS – może być subiektywna i zmienna, w zależności od doświadczenia operatora.

Ostatnio, cyfrowa analiza obrazowa (DIA) jest coraz częściej wykorzystywana w diagnostyce medycznej, w tym w zastosowaniach w tomografii komputerowej (CT) i ultrasonografii8. Charakterystyka mas jest rejestrowana przez sondy i przekształcana w informacje o pikselach, które tworzą obrazowanie w skali szarości dostępne do dalszej analizy komputerowej. Kumon i wsp. byli pionierami w stosowaniu DIA do różnicowania między normalną a chorą trzustką i węzłami chłonnymi9. Następnie inni badacze badali zastosowanie DIA do diagnostyki różnicowej raka trzustki na podstawie prawidłowej tkanki, wykorzystując model predykcyjny oparty na sieciach neuronowych i teorię maszyn wektorów nośnych9.

Opierając się na tych osiągnięciach, obecne badanie miało na celu ocenę, czy DIA może skutecznie odróżnić nowotwory neuroendokrynne trzustki (PNEN) od gruczolakoraka przewodowego trzustki (PDAC) w litych guzach trzustki za pomocą endoskopowego ultrasonografu (EUS).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Instytucjonalna komisja rewizyjna w szpitalu Ruijin zatwierdziła badanie [Przegląd Etyki Klinicznej nr 75 (2012)], a protokół był zgodny z instytucjonalnymi wytycznymi dotyczącymi opieki nad ludźmi. Wszystkie zmiany w trzustce zbadane za pomocą endoskopowego USG (EUS) w szpitalu Ruijin w latach 2018-2023 zostały przeanalizowane retrospektywnie. Dane zostały pobrane z elektronicznej medycznej bazy danych.

Kryteria włączenia były następujące: (1) obrazowanie EUS wykazało wyraźną zmianę; (2) Uzyskano rozpoznanie histologiczne gruczolakoraka przewodowego trzustki (PDAC) lub nowotworu neuroendokrynnego trzustki (PNEN). Kryteria wykluczenia były następujące: (1) niekompletne lub częściowo brakujące dane; (2) Guzy otaczające żyłę wrotną, żyłę śledzionową, krezkowe struktury tętniczo-żylne, bańkę i tkanki jamy, które mogą wpływać na analizę obrazu; (3) Obrazowanie ultrasonograficzne dotknięte implantacją stentu w drogach żółciowych lub trzustkowych; (4) Cyfrowe obrazy ultrasonografii endoskopowej niedostępne w szpitalu; (5) Niejasne wyniki pooperacyjnego badania patologicznego lub wyniki nieodpowiadające PNEN lub PDAC; (6) Obrazy EUS przedstawiające niestałe przestrzenie trzustkowe, takie jak torbielowate lub mieszane zmiany torbielowate. Wszystkie zabiegi EUS zostały wykonane przez dwóch doświadczonych endosonografów przy użyciu liniowego echoendoskopu skaningowego pracującego na częstotliwościach 5 MHz lub 7,5 MHz. Cechy EUS obszarów docelowych zostały udokumentowane i uzyskano co najmniej pięć odpowiadających im obrazów podczas kompleksowego badania całej trzustki i przyległych narządów. Świadomą zgodę uzyskano od wszystkich pacjentów, którzy otrzymali świadomą sedację diazepamem podawanym domięśniowo. Odczynniki i sprzęt użyte w badaniu są wymienione w Tabeli Materiałów.

1. Przygotowanie przedoperacyjne

  1. Należy upewnić się, że pacjent pościł przez co najmniej 12 godzin przed zabiegiem.
  2. Przed rozpoczęciem zabiegu należy podać ogólne znieczulenie dożylne (zgodnie z instytucjonalnie zatwierdzonymi protokołami).

2. Eksploracja gastroskopowa

  1. Włóż endoskop przez usta pacjenta i napompuj jamę żołądkową gazem.
  2. Stopniowo przesuwaj endoskop wzdłuż przełyku, aż dojdziesz do wejścia do brodawki dwunastnicy.
  3. Włóż sondę ultradźwiękową do endoskopu i umieść ją w pobliżu narządu docelowego do obrazowania.
    UWAGA: Upewnij się, że dwóch doświadczonych gastroenterologów z ponad 5-letnim doświadczeniem wykonuje endoskopowe badanie ultrasonograficzne.

3. Skan dwunastnicy trzustki

  1. Włóż endoskopową sondę ultrasonograficzną na poziomie brodawki dwunastnicy i wyreguluj pokrętło zginające, aby wyprostować sondę.
  2. Usuń powietrze i śluz z dwunastnicy. Napełnij worek na wodę 5-15 ml wody, aby zapewnić bliski kontakt między ścianką worka na wodę a dwunastnicą.
  3. Wyreguluj przyciski sterujące endoskopu lewy-prawy i góra-dół. Ostrożnie manewruj endoskopem ultradźwiękowym na zewnątrz, aby utrzymać optymalne obrazowanie.
    UWAGA: Jeśli po wyświetleniu obrazu ultrasonograficznego zaobserwuje się interferencję gazów w jamie jelitowej, wstrzyknij odpowietrzoną wodę przez kanał kleszczy do biopsji i wyreguluj położenie sondy, aby wyeliminować zakłócenia gazu.

4. Badanie przewodu pokarmowego trzustki

  1. Odessać odpowietrzoną wodę z worka na wodę i cofnąć endoskop do antrum żołądka po zakończeniu skanowania dwunastnicy.
  2. Wstrzyknij odpowietrzoną wodę do worka z wodą i wycofaj endoskopowe badanie ultrasonograficzne, wyświetlając obraz ultrasonograficzny.
  3. Wizualizuj ciało i ogon trzustki po dotarciu do ciała i dna żołądka.
  4. Wstrzyknij 200-300 ml odgazowanej wody do żołądka, aby poprawić widoczność trzustki, trzonu i ogona.

5. Rekonwalescencja pooperacyjna

  1. Zbierz zadowalające dane obrazowe podczas procedury i zapisz obrazy na serwerze do wykorzystania w przyszłości.
  2. Wyjmij sondę ultradźwiękową i endoskop z ciała pacjenta.

6. Analiza obrazu

  1. Obrazy cyfrowe można przechowywać jako obrazy 8-bitowe o rozdzielczości 768 × 576 pikseli w systemie PACS (Picture Archiving and Communication System).
  2. Przeprowadź analizę obrazową za pomocą oprogramowania do edycji obrazu.
  3. Ręcznie obrysuj wyraźny obszar guza do wyboru regionu zainteresowania (ROI).
  4. Użyj narzędzia Magiczna różdżka, aby automatycznie wybrać zwrot z inwestycji.
  5. Wykorzystaj narzędzia Histogram i Analiza, aby analizować i rejestrować parametry obrazowania, w tym powierzchnię, obwód, szerokość, wysokość, średnice główne i mniejsze, okrągłość (odzwierciedlającą rozmiar i kształt guza), średnią wartość skali szarości i współczynnik skali szarości (wskazujący intensywność echa) oraz odchylenie standardowe w skali szarości (oceniające jednorodność echa).
  6. Narysuj trzy pierścieniowe obszary zwrotu, z których każdy ma identyczną liczbę pikseli i normalny wygląd EUS, aby obliczyć średnią gęstość tła w standardowych warunkach pracy.
  7. Oblicz stosunek skali szarości, dzieląc skalę szarości guza przez skalę tła. Zdefiniuj okrągłość jako stosunek powierzchni do obwodu, korzystając z następującego wzoru10:
    Okrągłość = 4π × Powierzchnia / (Obwód2)
    UWAGA: Skala szarości obrazu EUS może się różnić w zależności od ustawień kontrastu i wzmocnienia podczas badania. Schemat blokowy ilustrujący te kroki jest pokazany w Rysunek 1.

7. Analiza danych

  1. Przedstaw dane ilościowe (obszar, obwód, kołowość, współczynnik szarości, średnica główna, odchylenie standardowe skali szarości i wiek) jako średnią ± odchylenie standardowe (m ± SD). Porównaj je za pomocą testu t dla próby niezależnej lub testu U Manna-Whitneya.
  2. Wyraź dane jakościowe (etap i płeć) jako częstotliwości. Porównaj je za pomocą dokładnego testu Fishera lub testu chi-kwadrat Pearsona. Uznaj, że wartość p mniejsza niż 0,05 jest statystycznie istotna.
  3. Generuj krzywe charakterystyki operacyjnej odbiornika (ROC) dla średnicy głównej, kołowości, współczynnika szarości i odchylenia standardowego skali szarości. Oblicz wartości odcięcia dla każdego parametru.
  4. Oceń wartość diagnostyczną, obliczając czułość, swoistość, dodatnią wartość predykcyjną (PPV), ujemną wartość predykcyjną (NPV) i dokładność. Jeśli którykolwiek z parametrów jest ujemny, sklasyfikuj połączony wynik jako ujemny.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Charakterystyka pacjentów
Łącznie 119 pacjentów poddano punkcji EUS i diagnostyce histologicznej, w tym 63 pacjentów z PDAC i 54 z PNEN. Średnia wieku uczestników wynosiła 55,4 lat ± 14,10 lat, z czego 47,86% stanowili mężczyźni. Na podstawie obrazu EUS w 59 przypadkach zmiany zlokalizowane były w głowie trzustki, w 58 w trzonie lub ogonie, a w trzech przypadkach zajęta była cała trzustka. Zgodnie z systemem stopnia zaawansowania WHO, ponad połowa przypadków PNEN została zaklasyfikowana do stopnia I ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

EUS jest jedną z najważniejszych metod obrazowania do oceny mas trzustkowych, ponieważ zapewnia wizualizację trzustki w wysokiej rozdzielczości i umożliwia pobranie odpowiednich próbek cytologicznych poprzez aspirację cienkoigłową (FNA). W ciągu ostatnich dziesięcioleci większość badań koncentrowała się na poprawie wydajności FNA, podczas gdy badania nad cechami echoicznymi obrazowania EUS pozostały ograniczone. Do tej pory badania oceniające wartość diagnostyczną samego EUS w różnicowaniu PNEN w litych guzach trzustki s...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Elastyczna endoskopowa ultrasonografia do aspiracji cienkoigłowej 22G (EUS FNA) IgłaBoston Scientific International Medical Trading (Shanghai) Co., Ltd.M00550010 (pojedynczy), M00550011 (pudełko 5 sztuk)
IBM SPSS Statistics wersja 22.0IBM Corp, Armonk, NYCRNP3ML, CIP2XML, CRNM6ML (różne edycje)
Echoendoskop ze skaningiem liniowym, EG-530UTFujifilm (China) Investment Co., LtdEG-530UT; Kod opakowania balonu: B20UT
Sól fizjologiczna (0,9% NaCl)Chenxin Pharmaceutical Co., LtdNiewymienione (standardowa dostawa farmaceutyczna)
SimethiconeBerlin-Chemie AG, NiemcyEspumisan 100 mg/ml (brak publicznego numeru katalogowego)
Hialuronian soduShanghai Haohai Biotechnology Co., LtdMatrifill (brak publicznego numeru katalogowego)

Bibliografia

  1. Rawla, P., Sunkara, T., Gaduputi, V. Epidemiology of pancreatic cancer: Global trends, etiology and risk factors. World J Oncol. 10 (1), 10-27 (2019).
  2. Peixoto, R. D., et al. Prognostic factors and sites of metastasis in unresectable locally advanced pancreatic cancer. Cancer Med. 4 (8), 1171-1177 (2015).
  3. Asa, S. L. Pancreatic endocrine tumors. Mod Pathol. 24 (Suppl 2), S66-S77 (2011).
  4. Alexandraki, K. I., Kaltsas, G. Gastroenteropancreatic neuroendocrine tumors: New insights in the diagnosis and therapy. Endocrine. 41 (1), 40-52 (2012).
  5. Krishna, S. G., et al. Differentiation of pancreatic ductal adenocarcinoma from other neoplastic solid pancreatic lesions: A tertiary oncology center experience. Gastrointest Endosc. 81 (2), 370-379 (2015).
  6. Aso, A., et al. Key endoscopic ultrasound features of pancreatic ductal adenocarcinoma smaller than 20 mm. Scand J Gastroenterol. 49 (3), 332-338 (2014).
  7. Krishna, S. G., et al. Diagnostic differentiation of pancreatic neuroendocrine tumor from other neoplastic solid pancreatic lesions during endoscopic ultrasound-guided fine-needle aspiration. Pancreas. 45 (3), 394-400 (2016).
  8. Barisoni, L., Lafata, K. J., Hewitt, S. M., Madabhushi, A., Balis, U. G. J. Digital pathology and computational image analysis in nephropathology. Nat Rev Nephrol. 16 (11), 669-685 (2020).
  9. Kumon, R. E., et al. Eus spectrum analysis for in vivo characterization of pancreatic and lymph node tissue: A pilot study. Gastrointest Endosc. 66 (6), 1096-1106 (2007).
  10. Santra, S., Majumdar, D., Mandal, S. Advances in Medical Physics and Healthcare Engineering. Mukherjee, M., et al. , Springer. Singapore. 319-327 (2021).
  11. Zakaria, A., Al-Share, B., Klapman, J. B., Dam, A. The role of endoscopic ultrasonography in the diagnosis and staging of pancreatic cancer. Cancers (Basel). 14 (6), 1373(2022).
  12. Javed, A. A., et al. Grading pancreatic neuroendocrine tumors via endoscopic ultrasound-guided fine needle aspiration: A multi-institutional study. Ann Surg. 277 (6), e1284-e1290 (2023).
  13. Chiti, G., et al. Imaging of pancreatic neuroendocrine neoplasms. Int J Environ Res Public Health. 18 (17), 8895(2021).
  14. Yassa, N. A., Yang, J., Stein, S., Johnson, M., Ralls, P. Gray-scale and color flow sonography of pancreatic ductal adenocarcinoma. J Clin Ultrasound. 25 (9), 473-480 (1997).
  15. Luo, G., et al. A comprehensive comparison of clinicopathologic and imaging features of incidental/symptomatic nonfunctioning pancreatic neuroendocrine tumors: A retrospective study of a single center. Pancreatology. 15 (5), 519-524 (2015).
  16. Munroe, C. A., Fehmi, S. M., Savides, T. J. Endoscopic ultrasound in the diagnosis of pancreatic cancer. Expert Opin Med Diagn. 7 (1), 25-35 (2013).
  17. Zheng, Y., et al. Application of transfer learning and ensemble learning in image-level classification for breast histopathology. Intelligent Med. 3 (2), 115-128 (2023).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Zmiany trzustkowecyfrowa analiza obrazuwska nik szaro cipomiar kolisto ciodchylenie standardowe skali szaro ciobrazowanie EUSr nicowanie guz w trzustki

Ten artykuł został opublikowany

Film wkrótce dostępny