在癌症的诊断和治疗过程中，影像学检查扮演着至关重要的角色。特别是对于胃肠道和胰腺等癌症，肝脏常常是肿瘤转移的高发部位。准确地检测和描述肝脏病变（如肝转移瘤）对于制定后续的治疗方案至关重要。计算机断层扫描（CT）是常用的影像学手段之一，但CT检查涉及电离辐射，长期累积存在潜在风险。因此，医学界一直在努力寻找在保证诊断质量的前提下，尽可能降低患者接受的放射剂量的方法，这遵循着“合理可行最低”（ALARA）原则。
过去，滤波反投影（FBP）是主流的CT图像重建技术，因其计算速度快。然而，FBP重建的图像噪声较高，尤其是在低剂量扫描时，会影响图像质量和病变检测能力。为了解决这一问题，迭代重建（IR）算法应运而生，并在过去几十年中得到广泛应用。IR技术能有效降低图像噪声，但有时会改变图像的纹理，可能使图像看起来“斑驳”或“生硬”，这可能对低对比度病变的检测带来挑战。
近年来，随着人工智能技术的发展，深度学习重建（DLR）算法开始应用于临床CT成像。这些由不同厂商（如通用电气医疗的TrueFidelity、佳能医疗系统的AiCE和飞利浦医疗保健的Precise Image）开发的算法，通过大量高剂量和低剂量图像数据的训练，旨在更有效地降低噪声，特别是在低剂量扫描或肥胖患者扫描等传统难题中提升图像质量。理论上，DLR有望在降低放射剂量的同时，维持甚至提高诊断性能。然而，任何新的重建算法都需要经过严格的临床评估，以确认其在实际应用中的效果，尤其是在检测微小病变方面的能力。
一项发表在《European Radiology》杂志上的研究，就深入探讨了深度学习重建在标准剂量和减剂量腹部CT中检测肝脏病变的诊断性能，并与传统的迭代重建进行了比较。
这项前瞻性研究纳入了已知患有胃肠道和胰腺腺癌并伴有肝转移的患者。在同一次造影剂注射后，每位患者接受了标准剂量的CT扫描（使用迭代重建）以及两次不同程度的低剂量扫描（分别使用迭代重建和高强度深度学习重建）。由两名放射科医生独立评估图像以检测肝脏病变，并由第三名医生确定参考标准。研究通过统计学方法比较了不同剂量和不同重建算法下的病变检测性能。
研究共评估了44名患者，共纳入了348个直径≤20毫米的肝脏病变，其中大部分是转移灶。研究设置了三种平均容积CT剂量指数：标准剂量（14.2 mGy）、中等剂量（7.8 mGy）和低剂量（5.1 mGy）。
研究结果显示：
- 在相同剂量水平下，深度学习重建与迭代重建在检测肝脏病变方面的诊断性能没有显著差异。
- 然而，当降低剂量水平时，即使使用了深度学习重建，对于较小的病变（直径≤10毫米），检测效果会显著变差。
具体数据显示，在标准剂量迭代重建下，233个直径≤10毫米的病变中有185个（79.4%）被检测到。而在中等剂量深度学习重建下，仅检测到128个（54.9%），在低剂量深度学习重建下更是只有105个（45.1%）。这表明，尽管深度学习重建具有降噪能力，但在剂量大幅降低的情况下，它并不能弥补因剂量降低导致的微小病变对比度下降问题。
表：标准剂量和减剂量CT红外和DLR定量图像质量参数（图源：原文）
这项研究的结论是，虽然深度学习重建在图像质量方面有优势，但在检测肝脏病变，特别是小于10毫米的微小病变时，它并不能支持大幅降低放射剂量而不影响诊断准确性。这意味着在临床实践中，如果需要准确检测微小肝脏病变（这对于早期发现转移或评估治疗效果至关重要），可能仍需要维持相对较高的剂量水平。
准确的影像学诊断是制定有效抗癌治疗方案的第一步。一旦确诊，患者可能需要了解各种治疗选择，包括靶向药、抗癌药等。获取这些药物，尤其是海外新药或仿制药，有时会面临挑战。在这方面，MedFind海外靶向药代购服务可以提供帮助。
除了药物获取，患者在抗癌过程中还需要大量专业的药物信息、诊疗指南等资讯。MedFind也提供全面的抗癌资讯。此外，对于复杂的病情或用药问题，AI问诊服务也能提供初步参考。
了解最新的诊断技术进展，结合专业的医疗建议和可靠的药物信息来源，能帮助患者更好地应对癌症挑战。
