CT扫描是诊断胰腺IPMN最常用的无创性影像学检查方法之一^[13]。经CT扫描可准确显示胰管的扩张、壁结节、囊性成分等，观察病灶与周围组织器官之间的关系，为临床诊断提供可靠的影像学依据^[14]。

Lee等^[15]通过研究发现，增强CT用于鉴别胰腺IPMN良恶性的敏感度为86%、特异度为74%。其研究结果显示，CT扫描对胰腺IPMN术前诊断及其良恶性鉴别均具有较高的能力，尤其是结合增强扫描其诊断价值更大。

MRI具有较好的软组织分辨力^[16]，腹部MRI和MR胰胆管造影（MR cholangiopancreatography, MRCP）被认为是诊断胰腺IPMN首选的无创检查手段。MRI在识别壁结节、病灶分隔和肿瘤多灶性方面具有高敏感性。MRCP能清楚显示病变大小、部位、胰管扩张程度以及肿瘤与周围组织器官之间的关系，特别是在显示BD-IPMN囊腔与主胰管（main pancreatic duct, MPD）的相通情况中具有明显优势。囊腔与MPD相通是诊断胰腺IPMN的可靠征象，MRCP对胰腺IPMN与胰管相通的显示率高达93.7%，明显高于CT的79.2%（P＜0.05）^[17]。动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）、扩散加权成像（diffusion-weighted imaging, DWI）与表观扩散系数（apparent diffusion coefficient, ADC）结合是有效诊断恶性胰腺IPMN的影像学方法^[18]，其对于准确识别直径≥5 mm壁结节具有较高的特异性及敏感性，且与胰腺IPMN恶性程度相关^[19]。

Min等^[20]回顾性分析了接受胰腺IPMN手术患者的术前CT和MRI图像，发现所有3个高风险的特征（MPD≥10 mm，壁结节≥5 mm，梗阻性黄疸）和2个令人担忧的特征[MPD 5～9 mm，糖类抗原（carbohydrate antigen, CA）19-9水平升高]在CT和MRI上与恶性IPMN相关（P＜0.05），提示CT和MRI在恶性胰腺IPMN诊断方面具有可比性（73.7% vs.75.4%；P=0.505）。

对于长期随访的患者，没有辐射损伤且无创的MRI是目前首选的检查手段。但其检查时间较长、禁忌证较多，使其应用范围有所受限。

EUS可在内镜引导下将探头最大程度接近病灶，使其对胰腺IPMN的诊断能力明显提高，是目前临床上非常有价值的一种胰腺IPMN影像检查方法。

壁结节是预测恶性胰腺IPMN最重要的征象之一^[21]，而EUS最大的优势就是更好地发现胰腺IPMN的壁结节，对于胰腺IPMN早期诊断至关重要。对比增强EUS通过检测壁结节的血流信号，可以准确区分黏蛋白球和壁结节（敏感度60.0%，特异度92.9%，精确度75.9%）^[22]。Lim等^[23]通过研究发现，使用对比增强CT [观察者1：曲线下面积（area under the curve, AUC）=0.792；观察者2：AUC=0.830]、DCE-MRI（观察者1：AUC=0.742；观察者2：AUC=0.776）和EUS（AUC=0.733）准确识别HGD和IPMC的能力方面无明显差异。

PET-CT基于肿瘤细胞具有更高的葡萄糖代谢活性，以18-氟-脱氧葡萄糖（¹⁸F-fluorodeoxyglucose, ¹⁸F-FDG）作为载体可以区分正常组织和肿瘤组织^{[24, 25]}，主要用于胰腺IPMN良恶性的鉴别诊断。Yamashita等^[26]、Ohta等^[27]通过回顾性分析发现对¹⁸F-FDG摄取是一种鉴别胰腺IPMN良恶性的有效标志物。但是由于PET-CT价格比较昂贵，所以在实际临床应用上不如CT、MRI及EUS等广泛。

影像组学（radiomics）一词最早在2010年由美国学者Gillies等^[28]首次提出，指的是将影像内包含的信息提取出来进行综合系统化分析；2012年荷兰学者Lambin等^[29]进一步将影像组学的概念完善为“从放射图像中高通量地提取影像特征并创建高维数据集”。影像组学的工作流程主要包括四个部分：图像获取、图像分割、特征提取和筛选（包括形态学特征、一阶特征、二阶特征、高阶特征等）、数据的处理与分析并构建预测和分类模型^{[30, 31]}。

目前影像组学在肿瘤影像领域已经被广泛地应用，主要是在肿瘤诊断、自动结构化报告、治疗后疗效评估等方面进行了较为广泛的临床研究和科研试验^{[32, 33, 34, 35]}。在实际临床工作中，其在肺结节检出、肺癌筛查、前列腺癌及直肠癌诊断等领域应用较为广泛^{[36, 37, 38]}。

胰腺IPMN具有恶变潜能，临床需借助相关检查手段并结合肿瘤标志物、肿瘤代谢物^[39]等对病变风险度分层进行预测，以尽量给予患者更合适的临床处置方案。基于影像组学的图像分析可以提取肉眼无法观察到的图像特征并进行定量分析，为胰腺IPMN的危险度分层及恶性程度预测提供新的方向和思路^{[40, 41, 42]}，为胰腺IPMN的治疗、随访、预后等提供更为准确的信息。

Tobaly等^[43]从胰腺IPMN患者的术前CT扫描图像中提取影像组学特征，将胰腺IPMN分为两组：良性IPMN和恶性IPMN，并采用逻辑回归方法建立多元模型。在训练队列中，85/107的影像组学特征在良性和恶性IPMN患者之间存在显著差异。无监督聚类分析显示四个不同的患者具有相似的影像组学特征，其中恶性肿瘤具有最显著的相关性。多变量模型可区分良恶性肿瘤的AUC为0.84、敏感度为82%、特异度为74%。这项研究证实了术前基于CT的影像组学分析对鉴别良恶性IPMN的高诊断性能。

Hanania等^[44]对提取出的影像组学特征分析发现基于灰度共生矩阵的14个成像生物标志物能够有效区分低级别与高级别病变。当联合评价时，两组间的区分准确率可达96%，该方法的准确性优于单纯福冈标准（假阳性率为36%），提供了一种精确评估胰腺IPMN恶性潜能的定量成像方法。

Permuth等^[45]从胰腺IPMN患者的术前CT图像中提取出纹理特征，然后将来自该患者队列的影像组学特征与其microRNA数据相结合，发现综合模型预测效能更高，与共识指南中的影像学特征^[46]相比，无创性影像基因组学方法可以更准确地预测胰腺IPMN的病理分级。同样地，Chakraborty等^[47]使用从术前CT中提取的影像组学特征作为标记物来评估胰腺IPMN恶性肿瘤的风险，结果有12个纹理特征显示出与恶性肿瘤的风险密切相关。作者还总结出与胰腺IPMN恶性风险相关的5个临床变量（手术年龄、囊肿大小、实性成分、有无腹痛和性别）。最终结果显示，将影像组学特征与临床变量相结合的组合模型预测胰腺IPMN恶性风险准确率更高。Cui等^[48]从患者MRI图像中提取出影像组学特征与临床变量（CA19-9水平和MPD大小）相结合，构建联合列线图模型，研究其对BD-IPMN患者术前预测肿瘤病理分级的能力。研究结果显示该联合列线图模型可显著提高预测性能（训练队列AUC为0.903）。作者还利用来自其他机构的独立数据集，验证了所开发的预测模型的可重复性和可靠性。以上研究都证实了将生物学特征、临床特征与影像组学特征相结合的综合模型在预测肿瘤类型、分级、治疗反应和预后方面具有更高的效能，值得进一步研究。

综上，相较于传统影像学检查，影像组学可明显提高对胰腺IPMN良恶性鉴别的准确率^[49]。上述影像组学研究大多基于CT成像，可能是因为CT扫描标准化程度较高。MRI在识别壁结节、病灶分隔和肿瘤多灶性方面具有高敏感性，并且可以多模态、多序列、多方位成像，被认为是诊断胰腺IPMN首选的无创检查手段。未来应考虑基于MRI的影像组学研究。另外上述研究多为单中心回顾性研究并且样本量较小，选取的样本均来自于术后病理证实的病例，不能除外模型过拟合及选择偏倚的可能，实际临床应用价值还有待进一步验证。