Haiman fysiologisten ja patologisten ominaisuuksien arviointi spektri-CT:n perusteella

Dual-Energy CT (DECT) on laajalti tunnustettu tekniikka, erityisesti sen sovelluksissa vatsan ja lantion alueille. Pankreatologia on ihanteellinen sovellus monien kahden energian jälkikäsittelyn tarjoamille eduille. DECT voi karakterisoida tiettyjä kudoksia tai materiaaleja/elementtejä, tuottaa virtuaalisia tehostamattomia ja yksivärisiä kuvia ja kvantifioida jodin ottoa; Nämä ainutlaatuiset ominaisuudet tekevät DECT:stä täydellisen teknologian tuumorin havaitsemiseen ja karakterisointiin sekä hoidon seurantaan, samalla kun ne vähentävät säteily- ja jodiannoksia ja parantavat metalliesineitä. Haiman erityinen endokriininen toiminta tekee haiman kudoksesta erittäin herkän yksittäisille vaihteluille. Tutkijat ovat tutkineet haiman rasvan kertymistä potilailla, joilla on liikalihavuus ja metabolinen oireyhtymä, mikä viittaa siihen, että liikalihavuus, iän kasvu, miessukupuoli, verenpainetauti, dyslipidemia, alkoholi ja hyperferritinemia voivat aiheuttaa kohdunulkoista rasvan kertymistä haimaan, jota kuvataan analogisesti "rasvamaksaan". "rasvaisena haimana". Ikä on myös tärkeä tekijä, joka johtaa haiman eksokriiniseen toimintahäiriöön. Tyypin II diabetesta sairastavien potilaiden haiman ominaisuuksia koskevat tutkimukset ovat osoittaneet, että tämä tila voi vaikuttaa vakavasti haiman atrofiaan/epäsäännölliseen morfologiaan ja rasvakertymään. Kaiken kaikkiaan haimakudoksen tarkka karakterisointi on ratkaiseva osa haimasairauksiin liittyvien diagnoosien arviointia. Perinteiseen TT:hen verrattuna spektraalinen TT tarjoaa runsaasti tietoa, joka voi auttaa paremmin haimasairauksien diagnosoinnissa.

Se kuitenkin vastaa sitä, että itse haima on erittäin herkkä tietyille ei-haiman primaarisille sairauksille, jopa joillekin erityisille epänormaaleille fysiologisille tiloille (kuten liikalihavuudelle). Kun tutkijat arvioivat primaaristen haimasairauksien erityismuutoksia, on haastavaa sulkea pois näiden tekijöiden vaikutukset kokonaan. Joidenkin tietojen poikkeavuuksien osalta on joskus epäselvää, johtuvatko ne vain perussairauksista vai eivät vain primaarisista sairauksista, eikä myöskään ole varmaa, ovatko primaarisairauksien ja näiden muiden tilojen vaikutukset dataan synergistisiä vai antagonistisia. Siksi haimaan liittyvien spektritietojen kerääminen ja tutkiminen konsultaatioon tulevilta potilailta, joilla ei ole haiman primaarisia sairauksia, on lähtökohta sille, että voimme käyttää spektraalisten TT-ominaisuusparametreja arvioidaksemme haiman fysiologisten ja patologisten ominaisuuksien välistä suhdetta.