刘春艳 郑佳连

1辽宁中医药大学附属医院医学影像中心，沈阳 110032；2辽宁中医药大学附属医院感染科，沈阳 110032

卵巢癌是女性三大恶性肿瘤之一，占女性所有恶性肿瘤的2.5%，但因生存率低而占女性癌症死亡的5%，全世界卵巢癌年龄标准化发病率为3.0/10 万～11.4/10 万，近十年间，亚洲发病率呈增长趋势，其是一组具有极大病因、组织病理学和临床特征异质性的恶性肿瘤，90%的卵巢癌是上皮来源的，其中最常见的是浆液性肿瘤［1-2］。我国是卵巢癌发病率最高的国家之一，卵巢癌也是我国妇科肿瘤死亡的首要原因，这是因为大多数卵巢癌在确诊时已是晚期［3］。目前肿瘤减灭术是提高晚期患者生存期的首选治疗方法［4］。在术后随访中，糖类抗原（carbohydrate antigen，CA）125是最常用的生物标志物，尽管其仅在约8 成的卵巢癌患者中升高，且会受到其他疾病如子宫内膜异位症、肝硬化或腹膜炎的影响，但它仍然是卵巢癌目前应用最广泛的生物标记物［5-6］。尽管现在PET-CT 在卵巢癌患者腹腔复发的检测上更为准确，但CT 仍然是目前对卵巢癌患者进行随访最常用的影像学检查［7］。然而，近年来的研究发现 CA125 和 CT 的诊断效能有极大的不稳定性，尚存在很大提升空间［8-9］。因此，有必要改进成像策略，使其更为简便并且提高诊断效能，同时避免过度医疗和由此产生的额外成本和射线暴露。我们将这项研究集中在腹部疾病上。本研究的目的是利用机器学习，在监测晚期卵巢癌患者CA125 水平的基础上，通过CT预测腹部复发。……