There is no unified scope for regional lymph node (LN) dissection in patients with pancreatic ductal adenocarcinoma (PDAC). Incomplete regional LN dissection can lead to postoperative recurrence, while blind expansion of the scope of regional LN dissection significantly increases the perioperative risk without significantly prolonging overall survival. We aimed to establish a noninvasive visualization tool based on dual-layer detector spectral computed tomography (DLCT) to predict the probability of regional LN metastasis in patients with PDAC.

Purpose To evaluate the capability of dual-layer detector spectral CT (DLCT) quantitative parameters in conjunction with clinical variables to detect malignant lesions in cytologically indeterminate thyroid nodules (TNs). Materials and methods Data from 107 patients with cytologically indeterminate TNs who underwent DLCT scans were retrospectively reviewed and randomly divided into training and validation sets (7:3 ratio). DLCT quantitative parameters (iodine concentration (IC), NIC P (IC nodule/IC thyroid parenchyma), NIC A (IC nodule/IC ipsilateral carotid artery), attenuation on the slope of spectral HU curve and effective atomic number), along with clinical variables, were compared between benign and malignant cohorts through univariate analysis. Multivariable logistic regression analysis was employed to identify independent predictors which were used to construct the clinical model, DLCT model, and combined model. A nomogram was formulated based on optimal performing model, and its performance was assessed using receiver operating characteristic curve, calibration curve, and decision curve analysis. The nomogram was subsequently tested in the validation set. Results Independent predictors associated with malignant TNs with indeterminate cytology included NIC P in the arterial phase, Hashimoto’s Thyroiditis (HT), and BRAF V600E (all p < 0.05). The DLCT-clinical nomogram, incorporating the aforementioned variables, exhibited superior performance than the clinical model or DLCT model in both training set (AUC: 0.875 vs 0.792 vs 0.824) and validation set (AUC: 0.874 vs 0.792 vs 0.779). The DLCT-clinical nomogram demonstrated satisfactory calibration and clinical utility in both training set and validation set. Conclusion The DLCT-clinical nomogram emerges as an effective tool to detect malignant lesions in cytologically indeterminate TNs.

Abstract Objective To develop and validate a model integrating dual-layer detector spectral computed tomography (DLCT) three-dimensional (3D) volume of interest (VOI)-based quantitative parameters and clinical features for predicting Ki-67 proliferation index (PI) in pancreatic ductal adenocarcinoma (PDAC). Materials and methods A total of 162 patients with histopathologically confirmed PDAC who underwent DLCT examination were included and allocated to the training (114) and validation (48) sets. 3D VOI-iodine concentration (IC), 3D VOI-slope of the spectral attenuation curves, and 3D VOI-effective atomic number were obtained from the portal venous phase. The significant clinical features and DLCT quantitative parameters were identified through univariate analysis and multivariate logistic regression. The discrimination capability and clinical applicability of the clinical, DLCT, and DLCT-clinical models were quantified by the Receiver Operating Characteristic curve (ROC) and Decision Curve Analysis (DCA), respectively. The optimal model was then used to develop a nomogram, with the goodness-of-fit evaluated through the calibration curve. Results The DLCT-clinical model demonstrated superior predictive capability and a satisfactory net benefit for Ki-67 PI in PDAC compared to the clinical and DLCT models. The DLCT-clinical model integrating 3D VOI-IC and CA125 showed area under the ROC curves of 0.939 (95% CI, 0.895–0.982) and 0.915 (95% CI, 0.834–0.996) in the training and validation sets, respectively. The nomogram derived from the DLCT-clinical model exhibited favorable calibration, as depicted by the calibration curve. Conclusions The proposed model based on DLCT 3D VOI-IC and CA125 is a non-invasive and effective preoperative prediction tool demonstrating favorable predictive performance for Ki-67 PI in PDAC. Critical relevance statement The dual-layer detector spectral computed tomography-clinical model could help predict high Ki-67 PI in pancreatic ductal adenocarcinoma patients, which may help clinicians provide appropriate and individualized treatments. Key Points Dual-layer detector spectral CT (DLCT) could predict Ki-67 in pancreatic ductal adenocarcinoma (PDAC). The DLCT-clinical model improved the differential diagnosis of Ki-67. The nomogram showed satisfactory calibration and net benefit for discriminating Ki-67. Graphical Abstract