肾上腺腺瘤与小直径肾上腺嗜铬细胞瘤鉴别诊断的临床-影像组学列线图模型的构建.pdf

现代泌尿外科杂志临床研究肾上腺腺瘤与小直径肾上腺嗜铬细胞瘤鉴别诊断的临床-影像组学列线图模型的构建陈锐12，李节1，朱嘉伟1.2,徐鑫12,孙晓磊，陈仁富1（1.徐州医科大学附属医院泌尿外科，江苏徐州2 2 10 0 2;2.徐州医科大学研究生院，江苏徐州2 2 10 0 2）Construction of a clinical-radiomic nomogram model for the differential diagnosisof adrenal adenoma and small diameter pheochromocytomaCHEN Ruil-2,LI Jie,ZHU Jiaweil-2,XU Xinl-2,SUN Xiaolei,CHEN Renfu(1.Department of Urology,The Affiliated Hospital of Xuzhou Medical University,Xuzhou 221o02;2.Graduate School of Xuzhou Medical University,Xuzhou 221002,China)ABSTRACT:Objective To effectively differentiate adrenal adenoma(AA)and small diameter pheochromocytoma(PCC)by establishing a clinical-radiomic nomogram model before surgery.Methods A total of 132 pathologically confirmed patients(45 PCC cases,87 AA cases)were enrolled.After the features of enhanced CT were assessed,the radiomic features and relatedclinical indicators were extracted.Based on multiple Logistic regression,a clinical-radiomic nomogram with radiomic featuresand independent clinical predictors was developed.The area under the receiver operating characteristic(ROC)curve(AUC)was used for internal evaluation to compare the diagnostic effectiveness of the three models.The clinical effectiveness of thenomogram was verified with decision curve analysis(DCA).Results One of the 108 candidate features was used to constructthe radiological feature score.Individualized clinical-radiomic nomogram included independent clinical factors(24 h urinaryvanmandelic acid/renin/angiotensin I)and original first-order median radiological feature scores.Internal evaluation of theprediction model showed that the AUC was 0.945(95%CI:0.906-0.984),superior to the single clinical model or radiologicalmodel in precise differentiation.DCA showed that the nomogram had the best clinical use.Conclusion The clinical-radiomicnomogram model can effectively differentiate adrenal adenoma from small diameter pheochromocytoma,which can improve thepreoperative differential diagnosis and preparation.KEY WORDS:adrenal adenoma;pheochromocytoma;radiomics;renin;angiotension-I;24 h urinary vanmandelic acid摘要：目的通过建立一种临床-影像组学列线图模型用于术前有效鉴别肾上腺腺瘤（AA)与小直径肾上腺嗜铬细胞瘤（PCC)。方法本研究回顾性纳人徐州医科大学附属医院经病理学证实的132 例患者（PCC45例，AA87例），在评估增强CT特征后，连续提取患者的影像组学特征和相关临床指标。基于多元logistic回归开发临床-影像组学列线图，包含放射组学特征和独立临床预测因子。通过受试者工作特征（ROC)曲线下面积（AUC)进行内部评估，比较三种模型的诊断效能。采用决策分析（DCA)曲线验证模型的临床有效性。结果10 8 个候选特征中的1个被用来构建放射学特征评分。个体化临床-影像组学列线图包含独立临床因素（2 4 h尿香草扁桃酸/肾素/血管紧张素I）和原始一阶中位数放射学特征评分。对预测模型进行内部评估，AUC为0.945（95%C I:0.90 6 0.98 4)，在精准分化上优于单一临床模型或放射学模型。DCA曲线分析表明，列线图的临床用途最好。结论临床-影像组学特征列线图模型可有效鉴别AA和小直径PCC,可提高术前鉴别诊断效能并做好围手术期准备。关键词：肾上腺腺瘤；嗜铬细胞瘤；放射组学；肾素；血管紧张素I;24h尿香草扁桃酸中图分类号：R736.6随着精准医疗在常规体检中的普及，如薄层计算机断层扫描（computertomography，CT）、超声成像等检查,越来越多的肾上腺病例被发现1。肾上腺良性肿瘤的患者中，肾上腺腺瘤（adrenal adenoma，AA)的比例最高，其次是嗜铬细胞瘤（pheochromo-收稿日期：2 0 2 2-11-0 9通信作者：陈仁富，主任医师。E-mail:Renfu_作者简介：陈锐，硕士研究生在读，住院医师。研究方向：泌尿系肿瘤。E-mail:2023年9 月第2 8 卷第9 期文献标志码：A修回日期：2 0 2 3-0 2-2 0http:/jmurology.xjtu.edu,cn;zgmnwk.cug.top785D0I:10.3969/j.issn.1009-8291.2023.09.011cytoma,PCC)2,而腺瘤则多为皮质腺瘤或无功能腺瘤3。然而，良性肿瘤患者的临床症状大多是非特异性的,如何精准的鉴别诊断是一项重要的挑战。CT扫描是诊断肾上腺肿物最常用的检查之二3。目前,腺瘤和PCC的鉴别常采用Hu的非增强衰减值。10 Hu的非增强衰减是腺瘤与非腺瘤的一个区分点4。然而，肾上腺良性肿瘤之间的鉴别诊断仍不理想，有研究发现约30%腺瘤的非增强衰786减 10 Hu5,增加了单纯依靠CT检查进行肿瘤性质诊断的错误率。此外，亚临床型PCC和乏脂腺瘤之间的影像特征和非特异性临床症状有一定的相似性，两者经常误诊1。如何提高肾上腺肿瘤的鉴别诊断率是近年来的研究热点。影像组学可挖掘高维影像学特征，通过提供反映纹理、强度、异质性和形态学信息等丰富特征，对肿瘤表型进行分析6 ，也可以反映肿瘤在细胞水平上的异质性。考虑到较大体积的PCC的影像学特征已明显区别于常规腺瘤，多数可通过视觉评估加以鉴别，因此，我们的研究重点是对较小直径的PCC和腺瘤加以鉴别,从CT图像中提取特征数据，并结合临床指标，开发和验证一种更可靠的列线图模型，以提高鉴别的准确性。1材料与方法1.1一般资料本研究回顾性分析140 例2 0 15年12月一2 0 19年9月于徐州医科大学附属医院泌尿外科接受肾上腺肿瘤手术治疗的患者资料。根据术后病理报告将患者分为两组：嗜铬细胞瘤组（PCC组，50例)和肾上腺腺瘤组（AA组,9 0 例）。所有患者行腹腔镜下肾上腺切除术（laparoscopicadrenalecto-my,LA)。从病历系统中调取患者的基线资料包括：年龄、性别、身体质量指数（bodymass index,BMI）、术前是否合并高血压定义为收缩压140 mmHg(1 mmHg=0.133 kPa)和(或)舒张压90 mmHg为高血压以及相关实验室检查结果。从影像科调取患者CT影像信息。本研究经徐州医科大学附属医院伦理委员会批准，由于研究的回顾性质，伦理委员会放弃了知情同意的要求。术前实验室值（静脉血样本)包括：红细胞（redblood cell,RBC)、血清钾（K+）和血清钠(Na+）水平；肌酐（creatinine，C r）水平；晨8 时皮质醇（c o r t is o l,C o r）；晨8 时促肾上腺皮质激素（adreno-cortico-tropic-hormone,ACTH);晨起静态条件下的醛固酮（aldosterone，A LD)；晨起静态状态下血浆肾素活性（plasma renin activity，PRA）；晨起静态条件下的血管紧张素I（a n g io t e n s io n-I，A I）；晨起静态条件下的血管紧张素（a n g i o t e n s i o n-，A I）；2 4h 尿香草扁桃酸（vanillylmandelicacid,VMA)。CT图像的入选标准：术前CT扫描包括强化期；LA术后无明显并发症；AA或PCC为最终病理结果。排除标准：病灶平均无增强衰减10Hu,且CT增强图像较少或没有增强；最佳图J Mod Urol,Vol.28 No.9 Sep.2023像质量；术前相关血液指标缺乏；其他组织学类型;肾上腺肿瘤伴出血。纳人研究的患者在CT检查前均未接受过任何治疗。1.2CT成像采集对检索的CT图像进行分析。增强CT是一个常规序列，每个患者的成像参数都包含这个序列。肾上腺肿块在增强图像上有高信号强度，可以更准确地识别肿块的形状并描绘肿瘤边缘。然后对目标病灶感兴趣的体积进行分割。使用公开的3DSlicer软件（4.10.2 版本）进行图像分割和特征提取（图1）。提取的放射组学特征值以从0 到1的线性方式归一化。整个肿瘤的提取由2 位泌尿外科医师（具有5年泌尿科放射学临床经验）手工分割。2位医师在处理影像数据前对所有患者的临床数据和组织病理学信息没有具体知晓。放射组学的工作流程影像获取肿瘤分割特征提取图1肾上腺肿瘤特征提取1.3影像学特征选择与特征分析影像学特征丰富多样，包含一阶直方图特征、二阶纹理特征、多尺度纹理特征、形状特征和深度特征。但并不是所有影像特征都是研究结果所需要，为了避免特征过拟合和加大错误的发生概率。我们使用了方差分析和最小绝对收缩和选择算子（least absolute shrinkage and selec-tionoperator,LASSO)逻辑回归算法筛除与研究结果无关的影像特征，从而选取最有用的预测特征。利用所选特征构建影像组学特征，以影像组学特征评分的形式呈现。此外，对所有患者的不同组进行分层分析。1.4临床-影像组学列线图的建立放射组学特征评分和其他临床预测因子均使用单因素及多因素logistic回归算法进行测试，选取构建预测模型的显著预测因子。用所获得的独立预测因子来建立临床-放射学列线图模型。1.5列线图模型的应用与验证受试者工作特征（r e c e iv e r o p e r a t in g c h a r a c t e r is t ic,RO C）曲线和曲线下面积（area underthe curve，A U C)用于评价模型的http:/jmurology.xjtu.edu,cn;zgmnwk.cug.topSearch现代泌尿外科杂志诊断效能。模型间诊断效能评价采用Delong检验。决策分析曲线（decision curve analysis,DCA)用于评估预测模型的临床实用性。采用拔靴法（Bootstrap)在建模组中进行重复抽样(设定boot=1000)从而实现内部验证，并绘制校准曲线。1.6统计学方法数据采用SPSS23.0软件和R软件4.1.0 版本进行统计分析。计量资料用元土s表示，数据符合独立性，正态性，方差齐性，进行独立样本t检验；如呈偏态分布，则以MP25,P75)表示，组间比较采用Mann-WhitneyU检验；分类资料的比较采用x检验或Fisher确切概率法进行分析。运用单因素和多因素二元logistic回归分析独立放射组学表1患者的临床资料变量例数性别(男性例数)*年龄/岁#术前合并高血压*BMI#RBC/X 1012.L-1#Na+/mmol L-1K+/mmol L-1Cr/mol:L-1Cor/g dL-1(8 am)ALD/pg mL-1(静态)ACTH/pgmL-1(8 am)AI/ngmL-1(静态)AII/pgmL-1(静态)PRA/ngmL-1.h-1(静态)24 h 尿VMA/mol d-1肿瘤最大径/cmBMI:身体质量指数；RBC:血红细胞；Na+：血清钠；K+：血清钾；Cr：血清肌酐；Cor：皮质醇；ALD:醛固酮；ACTH:促肾上腺皮质激素；AI：血管紧张素I；A：血管紧张素I;PRA：血浆肾素活性；2 4h尿VMA：2 4h 尿香草扁桃酸。数据用例（%)表示；#数据用（元士s）表示。2.2影像组学特征构建与性能评估从每个患者的增强CT图像中共提取到10 8 个放射组学特征，包含15个形状特征，18 个一阶直方图特征，7 5个二阶纹理特征。首先应用方差分析，选择P0.05的特征共36 个，然后使用LASSO回归进行筛选，根据最佳入值,最终筛选出一个潜在的预测因子，即为原始一阶中位数(ORIGINAL_FIRSTORDER_MEDIAN)。结果表明，提取的放射组学特征具有较好的重现性。PCC患者影像组学特征评分为8 2.0（6 3.0,10 1.0），2023年9 月第2 8 卷第9 期AA组8738(43.7)53.29.144(50.6)22.42.54.50.5141.0(139.2,142.4)3.9(3.7,4.2)61.0(53.0,69.0)13.0(10.7,15.8)162.0(116.4,272.6)20.8(15.8,30.5)1.4(0.9,2.1)87.3(71.6,106.8)0.5(0.2,1.0)30.1(24.0,39.8)3.7(3.0,4.5)787特征和临床预测因子。用R语言进行ROC曲线、AUC、D e lo n g 检验和DCA曲线、校准曲线的绘制。P0.05为差异有统计学意义。2结 果2.1患者的基线资料患者的基本特征详见表1。依据纳入及排除标准，在140 例术后病理证实为肾上腺肿瘤的患者中，最终得到符合标准的AA患者（8 7 例，排除3例）,PCC患者（45例，排除5例）。所有患者中，除2 4h 尿 VMA、A I、PRA、A C T H(8am)外，其余临床资料两组间无显著性差异。M(P25,P75)PCC组P值4524(53.3)52.29.627(60.0)21.8 2.34.40.4142.0(140.3,143.3)4.0(3.8,4.2)61.0(50.0,71.0)14.4(11.6,17.4)166.6(109.9,231.9)26.6(22.0,32.4)3.3(1.6,5.1)79.1(62.1,102.4)0.9(0.2,1.7)53.8(33.2,65.5)4.0(3.4,4.7)高于一般腺瘤患者51.0（31.5，6 2.0），两者差异具有统计学意义(P0.001)。2.3临床-放射学列线图的建立对相关临床因素以及潜在的影像组学预测因子进行logistic 回归分析。结果显示，血清K+、A I、PRA、2 4h 尿VMA、原始一阶中位数影像组学特征评分（ORIGINAL_FIRSTORDER_MEDIAN)是鉴别肾上腺PCC与腺瘤的潜在预测因子（P0.05）；而多因素logistic回归分析结果表明，AI、PRA、2 4h 尿VMA、O RI G I-t/Z/x值0.2921.1100.5740.5630.3031.0600.1441.4680.6400.4680.120-1.5530.064-1.8530.7700.2930.085-1.7240.438-0.7750.0162.4100.001-4.8660.186-1.3230.023-2.2810.001一4.49 10.337-0.960http:/;zgmnwk.cug.top788NAL_FIRSTORDER_MEDIAN为鉴别二者的独立预测因素（P0.05，表2）。然后，联合AI、PRA、24 h尿 VMA、O RI G I NA L_FI RST O RD ER_M ED I-AN,构建临床-影像组学列线图模型（图2)。表 2 132 例肾上腺肿瘤患者单因素和多因素二分类 logistic回归分析结果单因素分析项目OR(95%CI)性别男女年龄术前合并高血压BMIRBCNa+K+CrCorALDACTHAIAIPRA24h尿VMA肿瘤最大径原始一阶中位数放射学特征评分BMI:身体质量指数；RBC:血红细胞；Na+：血清钠；K+：血清钾；Cr：血清肌酐；Cor：皮质醇；ALD：醛固酮；ACTH：促肾上腺皮质激素；AI：血管紧张素I；A I I：血管紧张素II;PRA：血浆肾素活性；2 4h尿VWA:24h尿香草扁桃酸。90100得分J Mod Urol,Vol.28 No.9 Sep.2023列线图评分计算公式如下：列线图评分=7 9.6 443十0.2789X24h尿VMA+3.5714XAI-3.8646XPRA+0.258 8 ORIGINAL-FIRSTORDERMEDIAN。P值Ref0.68(0.331.40)0.99(0.951.03)是0.74(0.411.14)否Ref0.89(0.771.04)0.83(0.391.79)1.04(0.911.18)3.13(1.118.82)0.99(0.971.01)1.00(0.981.01)1.00(1.001.01)1.04(1.001.08)1.22(1.071.40)0.99(0.981.00)1.14(1.021.28)1.05(1.031.07)1.10(0.821.47)1.06(1.041.08)010203040 50607080L多因素分析OR(95%CI)P值0.2930.5720.3020.1450.6380.5770.0310.3710.6910.8260.0570.0040.1090.0170.0010.5170.0013.54(0.4329.42)2.99(1.525.87)0.30(0.150.63)1.10(1.051.14)1.09(1.051.13)0.2420.0010.0010.0010.00124h尿VMA血管紧张素 I肾素原始一阶中位数放射特征评分总得分风险概率1030507090110130150O2468101214161820222426282220181614121086 4 21030507090110140901000.01图2放射学-临床列线图http:/;zgmnwk.cug.top1200.10.3 0.5 0.8 0.91400.99现代泌尿外科杂志2.4三种模型的鉴别效能将独立临床预测因子（A I、PRA、2 4h 尿VMA)建立独立临床因素模型，独立影像组学特征评分建立独立影像组学模型，与临床-影像组学列线图模型进行比较。结果显示临床-影像组学列线图AUC为0.9 45（9 5%CI:0.9060.984），均优于独立临床因素模型（AUC为0.8 57，95%CI:0.7780.936）和独立影像组学模型（AUC为0.8 42,95%CI:0.7760.90 9)(图 3)。Delong检验显示，临床-影像组学列线图模型与独立临床模型（P=0.0 0 5)和独立影像组学模型（P=0.001)相比，差异均有统计学意义。而独立临床模型和独立影像组学模型间差异无统计学意义（P=0.798)。表3三种模型诊断效能比较模型特异度/%列线图模型95.4临床模型85.1影像组学模型72.42.5列线图模型的内部验证及临床应用法(Bootstrap)在建模组中进行重复抽样（设定boot=1000)从而实现内部验证，并绘制校准曲线，结果显示模型的预测概率与实际概率具有良好的符合度1.0F0.80.40.200图4列线图模型校准曲线3 讨 论医学影像组学从医学图像中提取的高通量定量图像特征可为疾病的发现、诊断和预后评估提供准确可靠的工具。医学影像组学在改善临床决策方面的潜力是巨大的。传统的肿瘤医学图像评价很大程度上依赖有限的主观特征。观察到的指标包括肿瘤的大小、动脉或静脉增强期的表现、肿瘤边缘的侵犯程度、肿瘤中心的密度等，这些特征缺乏统一的标准。近年来，影像组学领域的研究越来越多，它不仅能区分肿瘤的性质7,还能预测肿瘤分类8 、肿瘤进展9、肿瘤转移及肿瘤相关基因突变10 12023年9 月第2 8 卷第9 期80.080.082.2月采用拔靴一表观典线一偏倚校准曲线理想曲线0.20.4预测概率http:/jmurology.xjtu.edu,cn;zgmnwk.cug.top7891.000.75K0.500.2500图3三种模型ROC曲线比较敏感度/%阳性预测值/%90.073.560.7（图4）。DCA曲线显示临床-影像组学列线图总体效益更高，优于独立影像组学特征模型和独立临床因素模型的诊断价值，可用于指导临床决策（图5）。1.00.80.60.40.20L00.60.8列线图模型(AUC=0.945)-影像模型(AUC=0.842)_临床模型(AUC=0.857)0.250.501-特异度阴性预测值/%AUC(95%CI)90.20.945(0.9060.984)89.20.857(0.7780.936)88.70.842(0.7760.909)一烈线图模型影像模艺临模型Ai1None0.20.40.61.0风险阈值图5三种模型临床决策曲线比较针对日益增多的肾上腺肿瘤患者,根据泌尿外科临床指南的建议可以为绝大多数患者建立合理有效的临床决策11。术前准确鉴别肾上腺肿瘤的性质不仅是决定手术治疗的必要因素，也是保证围手术期安全的重要环节。不同类型的肾上腺肿瘤需要不同的术前准备，特别是PCC121，因其释放过量的儿茶酚胺,既可能在术前引起严重心肌病、高血压危象甚至心源性休克，也可在术中造成血流动力学不稳，威胁生命安全，或在术后出现严重并发症13，影响患者预后。因此肾上腺PCC的围手术期处理尤为重要。近年来,术前-阻断剂的应用,如非选择性-阻断剂酚苄明和选择性-阻断剂多沙唑嗪13,PCC患者术后0.750.81.001.0790的死亡率明显下降1415。相关研究表明，从整体肾上腺肿瘤中提取的影像学特征可用于鉴别AA或PCC。YI等16 研究了79例肾上腺乏脂腺瘤和2 9 例亚临床型PCC患者的CT平扫图像，对提取的30 个纹理特征进行多元logistic回归分析，最确定了4个纹理特征，使用每个纹理特征的回归系数来创建一个方程，并建立相关影像组学预测模型。其预测模型对鉴别诊断的准确率为 9 4.4%(10 2/10 8),AUC(95%CI)为 0.9 52(0.8 9 71.0 0 0），得出基于机器学习的CT平扫定量纹理分析可作为鉴别肾上腺肿瘤的可靠方法。我们的研究中结合增强CT的影像组学特征和潜在临床风险因素，开发并验证了临床-影像组学列线图模型，其AUC(95%CI)为0.9 45（0.9 0 6 0.9 8 4），优于单一影像模型和临床模型，为术前评估肾上腺肿瘤的性质提供了一种更准确和无创的工具。本研究证明了基于机器学习的临床-影像组学列线图模型在术前鉴别诊断AA和小直径PCC中的准确性。该方法有助于泌尿外科临床医生提高对肿瘤性质的初步预测，以作出更好的临床治疗决策并提高围手术期的安全性。然而，本研究仍存在一定的局限性：本研究为单中心回顾性研究，样本量相对较少，存在一定的选择偏倚，未选择独立的外部验证组；手动勾画肿瘤区域，可能存在一定的误差；临床风险因素中的2 4h尿VMA、PRA、A I 可能会受到其他疾病的影响,存在一定的误差，进而影响研究结果；本研究提取的放射学特征较少，无法从多个放射学特征中构建放射组学总评分，以进一步提高诊断的准确性，未来的研究中，我们将提取更多的放射学特征，更好的运用于临床决策。综上所述，本研究通过提取AA和小直径PCC病灶的增强CT影像组学特征,结合临床风险因素构建预测模型，证实其对鉴别AA和小直径PCC有较高的诊断效能，具有较高的临床应用价值。参考文献：1张桂煊，石鑫，李伟，等.影像组学在肾上腺肿瘤中的研究进展J.昆明医科大学学报，2 0 2 2，43（3）：142-147.2J SAHDEV A.Recommendations for the management of adrenalincidentalomas:what is pertinent for radiologists?J.Br JRadiol,2017,90(1072):20160627.3吴春梅，殷小平.肾上腺腺瘤的影像组学研究进展J.医学研究J Mod Urol,Vol.28 No.9 Sep.2023与教育，2 0 2 2,39（3)：2 9-34.4 CTVRTLiK F,HECMAN M,STUDENT V,et al.Differentialdiagnosis of incidentally detected adrenal masses revealed on rou-tine abdominal CTJJ.Eur J Radiol,2009,69(2):243-252.5 GANESHAN D,BHOSALE P,KUNDRA V.Current update oncytogenetics,taxonomy,diagnosis,and management of adreno-cortical carcinoma:what radiologists should knowJI.AJR AM JRoentgenol,2012,199(6):1283-1293.6 ZHENG Y,CHEN J,ZHANG M,et al.CT radiomics nomogramfor prediction of the Ki-67 index in head and neck squamous cellcarcinomaJJ.Eur Radiol,20221-11.7 YANG R,WU J,SUN L,et al.Radiomics of small renal masseson multiphasic CT:accuracy of machine learning-based classifica-tion models for the differentiation of renal cell carcinoma and an-giomyolipoma without visible fatJJ.Eur Radiol,2020,30(2):1254-1263.8 CHEN T,LI M,GU Y,et al.Prostate cancer differentiation andaggressiveness:assessment with a radiomic-based model vs.PI-RADS v2JJ.J Magn Reson Imaging,2019,49(3):875-884.9J ZHENG J,KONG J,WU S,et al.Development of a noninvasivetool to preoperatively evaluate the muscular invasiveness of blad-der cancer using a radiomics approachJ.Cancer,2019,125(24):4388-4398.1o KOCAK B,DURMAZ ES,ATES E,et al.Radiogenomics in clearcell renal cell carcinoma:machine learning-based high-dimension-al quantitative CT texture analysis in predicting PBRMl muta-tion statusJJ.AJR AM J Roentgenol,2019,212(3):W55-W63.11J PAPPACHAN JM,RASKAUSKIENE D,SRIRAMAN R,et al.Diagnosis and management of pheochromocytoma:a practicalguide to cliniciansJJ.Curr Hypertens Rep,2014,16(7):1-13.12 THOMPSON JP,BENNETT D,HODSON J,et al.Incidence,risk factors and clinical significance of postoperative haemody-namic instability after adrenalectomy for phaeochromocytomaJ.Gland Surg,2019,8(6):729-739.13张争，周利群.嗜铬细胞瘤和副神经节瘤术前准备研究进展J.兰州大学学报（医学版），2 0 2 2，48（6）：1-4.14樊华，李汉忠，纪志刚，等.嗜铬细胞瘤/副神经节瘤术中血压骤升的临床特征分析（附单中心2 19 例报告)J.中华泌尿外科杂志，2 0 19,40(4)2 6 7-2 7 1.15J SOEDARSO MA,NUGROHO KH,PRABOWO E,et al.Cushings syndrome:a large adenoma of adrenal glandJJ.ActaMed Indones,2019,51(1):75-76.16J YI X,GUAN X,CHEN C,et al.Adrenal incidentaloma:machinelearning-based quantitative texture analysis of unenhanced CTcan effectively differentiate sPHEO from lipid-poor adrenal ade-nomaJJ.JCancer,2018,9(19):3577-3582.(编辑王玮)http:/jmurology.xjtu.edu,cn;zgmnwk.cug.top