medvisМедицинская визуализацияMedical Visualization1607-07632408-9516RDS-Media Ltd.10.24835/10.24835/1607-0763-1068medvis-1068Research ArticleБРЮШНАЯ ПОЛОСТЬABDOMENДифференциальная диагностика псевдотуморозного панкреатита и протоковой аденокарциномы поджелудочной железы: характеристики КТ с контрастированием и текстурного анализаTexture analysis of contrast enhancement СT in the differential diagnosis of mass-forming pancreatitis and pancreatic ductal adenocarcinomahttps://orcid.org/0000-0001-9782-7335ТихоноваВ. С.TikhonovaV. S.

Тихонова Валерия Сергеевна – аспирант отделения рентгенологии и магнитно-резонансных исследований

117997 Москва, ул. Большая Серпуховская, д. 27

Тел.: +7-929-938-18-49

Valeriya S. Tikhonova – graduate student of radiology department 

27, Bolshaya Serpukhovskaya str., 117997 Moscow

Phone: +7-929-938-18-49

vdovenkobc28@mail.ruhttps://orcid.org/0000-0003-0781-9898ГруздевИ. С.GruzdevI. S.

Груздев Иван Сергеевич – аспирант отделения рентгенологии и магнитно-резонансных исследований

117997 Москва, ул. Большая Серпуховская, д. 27

Ivan S. Gruzdev – graduate student of radiology department 

27, Bolshaya Serpukhovskaya str., 117997 Moscow

gruzdev_van@mail.ruhttps://orcid.org/0000-0001-7070-3391КондратьевЕ. В.KondratyevE. V.

Кондратьев Евгений Валерьевич – канд. мед. наук, старший научный сотрудник отделения рентгенологии и магнитно-резонансных исследований

117997 Москва, ул. Большая Серпуховская, д. 27

Evgeny V. Kondratyev – Cand. of Sсi. (Med.), senior researcher of radiology department 

27, Bolshaya Serpukhovskaya str., 117997 Moscow

evgenykondratiev@gmail.comhttps://orcid.org/0000-0003-3825-0868МихайлюкК. А.MikhaylyukK. A.

Михайлюк Ксения Андреевна – ординатор отделения рентгенологии и магнитно-резонансных исследований 

117997 Москва, ул. Большая Серпуховская, д. 27

Kseniya A. Mikhaylyuk – resident of radiology department 

27, Bolshaya Serpukhovskaya str., 117997 Moscow

kseniya.mihaylyuk@gmail.comhttps://orcid.org/0000-0002-9357-0998КармазановскийГ. Г.KаrmаzаnovskyG. G.

Кармазановский Григорий Григорьевич – член-корр. РАН, доктор мед. наук, профессор, заведующий отделом лучевых методов диагностики и лечения; профессор кафедры лучевой диагностики и терапии медико-биологического факультета

117997 Москва, ул. Большая Серпуховская, д. 27

117997 Москва, ул. Островитянова, д. 1

Grigory G. Kаrmаzаnovsky – Corresponding Member of the Russiаn Асаdemy of Sсienсes, Doсt. of Sсi. (Med.), Professor, Heаd of rаdiology depаrtment; Professor of radiology department

27, Bolshaya Serpukhovskaya str., 117997 Moscow

1, Ostrovitianova str., 117997 Moscow

karmazanovsky@ixv.ruФГБУ “Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского” Минздрава РоссииРоссияVishnevsky National Medical Research Center of Surgery of the Ministry of Health of the Russian FederationRussian FederationФГБУ “Национальный медицинский исследовательский центр хирургии им. А.В. Вишневского” Минздрава России; ФГБОУ ВО “РНИМУ им. Н.И. Пирогова” Минздрава РоссииРоссияVishnevsky National Medical Research Center of Surgery of the Ministry of Health of the Russian Federation; Russian National Research Medical University named after N. I. PirogovRussian Federation202205032022261140154Copyright © Тихонова В.С., Груздев И.С., Кондратьев Е.В., Михайлюк К.А., Кармазановский Г.Г., 20222022Тихонова В.С., Груздев И.С., Кондратьев Е.В., Михайлюк К.А., Кармазановский Г.Г.Tikhonova V.S., Gruzdev I.S., Kondratyev E.V., Mikhaylyuk K.A., Kаrmаzаnovsky G.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://medvis.rdsmedia.ru/jour/article/view/1068

Цель исследования: повышение эффективности КТ в дифференциальной диагностике протоковой аденокарциномы поджелудочной железы (ПАК ПЖ) и псевдотуморозного хронического панкреатита (ПХП); составление диагностической модели на основе извлеченных текстурных показателей в комбинации с характеристиками контрастирования.Материал и методы. В исследование было включено 45 пациентов с гистологически подтвержденной неметастатической местнораспространенной ПАК ПЖ и 13 пациентов с ПХП, которым было выполнено КТ-исследование с внутривенным контрастированием. Для каждой группы рассчитаны отношение плотностей сохранной ткани поджелудочной железы и образований, относительный коэффициент накопления образований (RTE) во все контрастные фазы КТ-сканирования, 94 текстурных показателя для каждой фазы исследования и проведено их сравнение. Отбор предикторов в логистическую модель осуществлялся в 2 этапа: 1) отбор предикторов на основе однофакторных логистических моделей, критерием отбора служило padj < 0,2; 2) отбор предикторов с помощью “лассо”-регрессии после стандартизации переменных. Отобранные предикторы включались в логистическую регрессионную модель без взаимодействий.Результаты. Статистически значимо различались 14, 17, 4 из 94 для нативной, артериальной, венозной фаз исследования соответственно (p < 0,05). После отбора в итоговую диагностическую модель были включены показатели CONVENTIONAL HUQ2 и DISCRETIZED HUQ1 для нативной фазы, DISCRETIZED HUQ1 и GLRLM RLNU для артериальной фазы, DISCRETIZED Skewness для венозной фазы, RTE для отсроченной фазы КТ-исследования. На их основании построена диагностическая модель, показавшая точность 81% в диагностике ПХП.Заключение. Разработанная нами диагностическая модель, включающая текстурные показатели и характеристики контрастирования, позволяет предоперационно отличать ПХП и ПАК ПЖ и повысить точность предоперационной диагностики.

Purpose. Improving the efficiency of CT in the differential diagnosis of mass-forming pancreatitis (MFP) and pancreatic ductal adenocarcinoma (PDAC) making a diagnostic model based using a combination of texture features and contrast enhancement features.Methods and materials. 45 patients with histologically confirmed non-metastatic locally advanced PDAC and 13 patients with MFP where underwent CT examination with contrast enhancement. For each group, the ratio of the densities of intact pancreatic tissue and tumors, the relative tumor enhancement ratio (RTE) in all enhanced phases of CT, 94 texture features for each phase of the study were calculated and compared. The selection of predictors in the logistic model was carried out in 2 stages: 1) selection of predictors based on one-factor logistic models, the selection criterion was padj <0.2; 2) selection of predictors using LASSO-regression after standardization of variables. The selected predictors were included in a logistic regression model without interactions.Results. There were statistically significant differences in 14, 17, 4 out of 94 for the unenhanced, arterial, and venous phases of the study, respectively (p < 0.05). After selection, the final diagnostic model included the texture features CONVENTIONAL HUQ2 and DISCRETIZED HUQ1 for the unenhanced phase, DISCRETIZED HUQ1 and GLRLM RLNU for the arterial phase, DISCRETIZED Skewness for the venous phase, RTE for the delayed CT phase. The diagnostic model was built showed an accuracy of 81% in the diagnosis of MFP.Conclusion. We have developed a diagnostic model, including textural parameters and contrast enhancement features, which allows preoperatively distinguish MFP and PDAC, the developed model will increase the accuracy of preoperative diagnosis.

протоковая аденокарцинома поджелудочной железытекстурный анализкомпьютерная томографияпсевдотуморозный панкреатитductal adenocarcinoma of the pancreasradiomics featurescomputed tomographymass-forming pancreatitisНастоящее исследование финансировалось Российским фондом фундаментальных исследований по исследовательскому проекту № 20-315-90092. Источник финансирования не участвовал в разработке исследования; в сборе, анализе и интерпретации данных; при написании отчета и в решении о подаче статьи для публикации.The reported study was funded by Russian Foundation for Basic Research according to the research project № 20-315-90092. The funding source had not any involvement in study design; in the collection, analysis and interpretation of data; in the writing of the report; and in the decision to submit the article for publication.ReferencesSung H., Ferlay J., Siegel R.L. et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J. Clin. 2021; 71 (3): 209–249. https://doi.org/10.3322/caac.21660Sung H., Ferlay J., Siegel R.L. et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J. Clin. 2021; 71 (3): 209–249. https://doi.org/10.3322/caac.21660Sarantis P., Koustas E., Papadimitropoulou A. et al. Pancreatic ductal adenocarcinoma: Treatment hurdles, tumor microenvironment and immunotherapy. Wld J. Gastrointest. Oncol. 2020; 12 (2): 173–181. https://doi.org/10.4251/wjgo.v12.i2.173Sarantis P., Koustas E., Papadimitropoulou A. et al. Pancreatic ductal adenocarcinoma: Treatment hurdles, tumor microenvironment and immunotherapy. Wld J. Gastrointest. Oncol. 2020; 12 (2): 173–181. https://doi.org/10.4251/wjgo.v12.i2.173Wolske K.M., Ponnatapura J., Kolokythas O. et al. Chronic Pancreatitis or Pancreatic Tumor? A Problem-solving Approach. Radiographics. 2019; 39 (7): 1965–1982. https://doi.org/10.1148/rg.2019190011Wolske K.M., Ponnatapura J., Kolokythas O. et al. Chronic Pancreatitis or Pancreatic Tumor? A Problem-solving Approach. Radiographics. 2019; 39 (7): 1965–1982. https://doi.org/10.1148/rg.2019190011Narkhede R.A., Desai G.S., Prasad P.P., Wagle P.K. Diagnosis and Management of Pancreatic Adenocarcinoma in the Background of Chronic Pancreatitis: Core Issues. Dig. Dis. 2019; 37 (4): 315–324. https://doi.org/10.1159/000496507Narkhede R.A., Desai G.S., Prasad P.P., Wagle P.K. Diagnosis and Management of Pancreatic Adenocarcinoma in the Background of Chronic Pancreatitis: Core Issues. Dig. Dis. 2019; 37 (4): 315–324. https://doi.org/10.1159/000496507Meng F., Guo Y., Li M. et al. Radiomics nomogram: A noninvasive tool for preoperative evaluation of the invasiveness of pulmonary adenocarcinomas manifesting as ground-glass nodules. Transl. Oncol. 2021; 14 (1): 100936. https://doi.org/10.1016/j.tranon.2020.100936Meng F., Guo Y., Li M. et al. Radiomics nomogram: A noninvasive tool for preoperative evaluation of the invasiveness of pulmonary adenocarcinomas manifesting as ground-glass nodules. Transl. Oncol. 2021; 14 (1): 100936. https://doi.org/10.1016/j.tranon.2020.100936Gillies R.J., Kinahan P.E., Hricak H. Radiomics: Images Are More than Pictures, They Are Data. Radiology. 2016; 278 (2): 563–577. https://doi.org/10.1148/radiol.2015151169Gillies R.J., Kinahan P.E., Hricak H. Radiomics: Images Are More than Pictures, They Are Data. Radiology. 2016; 278 (2): 563–577. https://doi.org/10.1148/radiol.2015151169Park S., Chu L.C., Hruban R.H. et al. Differentiating autoimmune pancreatitis from pancreatic ductal adenocarcinoma with CT radiomics features. Diagn. Interv. Imaging. 2020; 101 (9): 555–564. https://doi.org/10.1016/j.diii.2020.03.002Park S., Chu L.C., Hruban R.H. et al. Differentiating autoimmune pancreatitis from pancreatic ductal adenocarcinoma with CT radiomics features. Diagn. Interv. Imaging. 2020; 101 (9): 555–564. https://doi.org/10.1016/j.diii.2020.03.002Zhang Y., Cheng C., Liu Z. et al. Radiomics analysis for the differentiation of autoimmune pancreatitis and pancreatic ductal adenocarcinoma in 18F-FDG PET/CT. Med. Phys. 2019; 46: 4520–4530.Zhang Y., Cheng C., Liu Z. et al. Radiomics analysis for the differentiation of autoimmune pancreatitis and pancreatic ductal adenocarcinoma in 18F-FDG PET/CT. Med. Phys. 2019; 46: 4520–4530.Zhang Y., Cheng C., Liu Z. et al. Radiomics analysis for the differentiation of autoimmune pancreatitis and pancreatic ductal adenocarcinoma in 18F-FDG PET/CT. Med. Phys. 2019; 46 (10): 4520–4530. https://doi.org/10.1002/mp.13733Zhang Y., Cheng C., Liu Z. et al. Radiomics analysis for the differentiation of autoimmune pancreatitis and pancreatic ductal adenocarcinoma in 18F-FDG PET/CT. Med. Phys. 2019; 46 (10): 4520–4530. https://doi.org/10.1002/mp.13733Dai W., Mo S., Han L. et al. Prognostic and predictive value of radiomics signatures in stage I-III colon cancer. Clin Transl Med. 2020; 10 (1): 288–293. https://doi.org/10.1002/ctm2.31Dai W., Mo S., Han L. et al. Prognostic and predictive value of radiomics signatures in stage I-III colon cancer. Clin Transl Med. 2020; 10 (1): 288–293. https://doi.org/10.1002/ctm2.31Ren S., Zhao R., Zhang J. et al. Diagnostic accuracy of unenhanced CT texture analysis to differentiate massforming pancreatitis from pancreatic ductal adenocarcinoma. Abdominal. Radiol. (NY). 2020; 45 (5): 1524– 1533. https://doi.org/10.1007/s00261-020-02506-6Ren S., Zhao R., Zhang J. et al. Diagnostic accuracy of unenhanced CT texture analysis to differentiate massforming pancreatitis from pancreatic ductal adenocarcinoma. Abdominal. Radiol. (NY). 2020; 45 (5): 1524– 1533. https://doi.org/10.1007/s00261-020-02506-6Ren S., Zhang J., Chen J. et al. Evaluation of Texture Analysis for the Differential Diagnosis of Mass-Forming Pancreatitis From Pancreatic Ductal Adenocarcinoma on Contrast-Enhanced CT Images. Front. Oncol. 2019; 9: 1171. Published 2019 Nov 5. https://doi.org/10.3389/fonc.2019.01171Ren S., Zhang J., Chen J. et al. Evaluation of Texture Analysis for the Differential Diagnosis of Mass-Forming Pancreatitis From Pancreatic Ductal Adenocarcinoma on Contrast-Enhanced CT Images. Front. Oncol. 2019; 9: 1171. Published 2019 Nov 5. https://doi.org/10.3389/fonc.2019.01171Washington M.K., Berlin J., Branton P.A. et al. Protocol for the examination of specimens from patients with carcinoma of the distal extrahepatic bile ducts. Arch. Pathol. Lab. Med. 2010; 134 (4): e8–e13. https://doi.org/10.5858/134.4.e8Washington M.K., Berlin J., Branton P.A. et al. Protocol for the examination of specimens from patients with carcinoma of the distal extrahepatic bile ducts. Arch. Pathol. Lab. Med. 2010; 134 (4): e8–e13. https://doi.org/10.5858/134.4.e8Nioche C., Orlhac F., Boughdad S. et al. LIFEx: A Freeware for Radiomic Feature Calculation in Multimodality Imaging to Accelerate Advances in the Characterization of Tumor Heterogeneity. Cancer Res. 2018; 78 (16): 4786–4789. https://doi.org/10.1158/0008-5472.CAN-18-0125Nioche C., Orlhac F., Boughdad S. et al. LIFEx: A Freeware for Radiomic Feature Calculation in Multimodality Imaging to Accelerate Advances in the Characterization of Tumor Heterogeneity. Cancer Res. 2018; 78 (16): 4786–4789. https://doi.org/10.1158/0008-5472.CAN-18-0125Тихонова В.С., Кармазановский Г.Г., Кондратьев Е.В., Груздев И.С., Глотов А.В. Влияние параметров низкодозового протокола сканирования на результаты текстурного анализа протоковой аденокарциномы поджелудочной железы. Анналы хирургической гепатологии. 2021; 26 (1): 25–33. https://doi.org/10.16931/1995-5464.2021125-33. Tikhonova V.S., Karmazanovsky G.G., Kondratyev E.V., Gruzdev I.S., Glotov A.V. Influence of the low-dose CEMDCT scanning protocol parameters on the results of pancreatic ductal adenocarcinoma radiomic analysis. Annaly khirurgicheskoy gepatologii = Annals of HPB surgery. 2021; 26 (1): 25–33. https://doi.org/10.16931/1995-5464.2021125-33 (In Russian)Тихонова В.С., Кармазановский Г.Г., Кондратьев Е.В., Груздев И.С., Глотов А.В. Влияние параметров низкодозового протокола сканирования на результаты текстурного анализа протоковой аденокарциномы поджелудочной железы. Анналы хирургической гепатологии. 2021; 26 (1): 25–33. https://doi.org/10.16931/1995-5464.2021125-33. Tikhonova V.S., Karmazanovsky G.G., Kondratyev E.V., Gruzdev I.S., Glotov A.V. Influence of the low-dose CEMDCT scanning protocol parameters on the results of pancreatic ductal adenocarcinoma radiomic analysis. Annaly khirurgicheskoy gepatologii = Annals of HPB surgery. 2021; 26 (1): 25–33. https://doi.org/10.16931/1995-5464.2021125-33 (In Russian)Steyerberg E.W. Coding of categorical and continuous predictors. Clinical prediction models. Springer, Cham, 2019. 175–190. https://doi.org/10.1007/978-3-030-16399-0_9Steyerberg E.W. Coding of categorical and continuous predictors. Clinical prediction models. Springer, Cham, 2019. 175–190. https://doi.org/10.1007/978-3-030-16399-0_9Gareth J., Daniela W., Trevor H., Robert T. An introduction to statistical learning: with applications in R. Spinger, 2013. ISBN: 978-1-4614-7138-7. https://doi.org/10.18637/jss.v070.b02Gareth J., Daniela W., Trevor H., Robert T. An introduction to statistical learning: with applications in R. Spinger, 2013. ISBN: 978-1-4614-7138-7. https://doi.org/10.18637/jss.v070.b02Harrell F.E. Regression Modeling Strategies: With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. 2nd ed. 2015 ed. Cham. Heidelberg; New York: Springer, 2015: 209–212.Harrell F.E. Regression Modeling Strategies: With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. 2nd ed. 2015 ed. Cham. Heidelberg; New York: Springer, 2015: 209–212.Siddiqi A.J., Miller F. Chronic pancreatitis: ultrasound, computed tomography, and magnetic resonance imaging features. Semin. Ultrasound CT MR. 2007; 28 (5): 384–394. https://doi.org/10.1053/j.sult.2007.06.003Siddiqi A.J., Miller F. Chronic pancreatitis: ultrasound, computed tomography, and magnetic resonance imaging features. Semin. Ultrasound CT MR. 2007; 28 (5): 384–394. https://doi.org/10.1053/j.sult.2007.06.003Sahani D.V., Kalva S.P., Farrell J. et al. Autoimmune pancreatitis: imaging features. Radiology. 2004; 233 (2): 345–352. https://doi.org/10.1148/radiol.2332031436Sahani D.V., Kalva S.P., Farrell J. et al. Autoimmune pancreatitis: imaging features. Radiology. 2004; 233 (2): 345–352. https://doi.org/10.1148/radiol.2332031436Ren S., Chen X., Cui W. et al. Differentiation of chronic mass-forming pancreatitis from pancreatic ductal adenocarcinoma using contrast-enhanced computed tomography. Cancer Managm. Res. 2019; 11: 7857–7866. https://doi.org/10.2147/CMAR.S217033Ren S., Chen X., Cui W. et al. Differentiation of chronic mass-forming pancreatitis from pancreatic ductal adenocarcinoma using contrast-enhanced computed tomography. Cancer Managm. Res. 2019; 11: 7857–7866. https://doi.org/10.2147/CMAR.S217033

The authors declare that there are no conflicts of interest present.