年RSNA腹部影像学内容丰富，本文分别对人工智能（AI）、肝胆系统、胰腺、消化道、泌尿生殖系统、介入方面的影像学研究热点和进展进行阐述。
人工智能（AI）
今年AI相关的研究较往年明显增加，专设了一个AI版块。涉及腹部部分主要包括以下几个方面。
1、肝脏
Hectors等研究发现，MRI影像组学特征与肝癌组织病理学、基因组学特征以及复发之间存在显著相关。Singh等结合增强DECT及基于机器学习（ML）建立模型发现，基于DECT的肿瘤分析和影像组学原型可以准确地区分肝良、恶性病灶。基于标准库（PyRadiomics2.1.2）及主成分分析（PCA）、支持向量机（SVM）分类器等AI方法，Liu等研究发现肝门静脉期和增强前的MRI影像学特征可能区分肝细胞-胆管混合癌（cHCC-CC）与肝细胞癌（HCC）和胆管癌（CC）。Zhu等研究发现，对于进行肝大部分切除术后的肝硬化患者，术前Gd-EOB-MR检查建立基于影像组学的图像模型可预测术后患者的肝衰竭。Kim等对高风险HCC患者进行多期增强CT检查，并开发和验证基于深度学习（DL）模型，该模型可用于帮助放射科医生检测肝脏恶性病灶。Agarwal的团队对于活体供体肝移植术（LDLT）患者进行术前腹部CT评估中，具有手动切除和全自动的AI效果最佳。对于乳腺癌肝转移病灶，Mostafavi等发现基于ML的影像组学可预测和评估转移性肝病对治疗的部分反应。
2、胃肠道
直肠癌患者进行MRI检查后，Lu等通过人工神经网络（ANN）构建的影像学预测模型，可用于提高其T分期的准确性。Cui等的研究发现多参数MRI（mp-MRI）影像组学特征是评估局部进展期直肠癌（LARC）无病生存的独立生物学指标，结合影像组学诺模图可提高个体化无病生存期（DFS）的评估。Zhang等研究认为，结合影像学特征和临床危险因素的影像组学诺模图可用于术前预测晚期胃癌（AGC）的早期复发，这可能是指导个性化治疗的潜在工具。Nappi等研究发现，在CT结肠造影（CTC）中，AI检测涂布对比剂的锯齿状息肉敏感性较高。
3、其它
与40%ASIR-V算法相比，基于DL的腹部平扫CT图像重建（DLIR）减少了噪声和伪影，改善了图像质量。Schawkat等的研究发现，基于T1WI的同相位图像，使用纹理分析（TA）和ML方法，用于评估肝纤维化的准确性与MR弹性成像（MRE）相似。
肝胆系统
1、肝脏影像报告和数据系统（LI-RADS）
使用LI-RADS诊断HCC的研究较多，LR-5标准诊断HCC具有很高的特异性，但敏感性较低，而LR-4/LR-5标准的敏感性有提高，但特异性降低。参照LI-RADS版标准，对行细胞外对比剂（ECCM）MRI增强、具有HCC高危因素的患者进行研究发现，与定量LI-RADS评分相比，定性LI-RADS显示出相似或更高的诊断准确性；无肝硬化的慢性肝炎患者中诊断HCC的准确性高；且在诊断HCC时，主要征象加不少于4个辅助征象更好。肝胆期低信号是中高危病灶（≥10mm且有动脉期高强化）进展为HCC的独立预测指标。另一方面，修改版LI-RADS（肝胆期征象可用于将LR-4升高为LR-5）可以提高HCC诊断的敏感性和准确性，同时不会明显降低特异性和阳性预测值。对于介入治疗的HCC患者，LI-RADS版标准的治疗反应评估法可准确预测HCC消融后肿瘤活性，其中许多不完全坏死的结节被评定为疗效不确定，对接受经动脉栓塞治疗（TACE）患者治疗前LI-RADS类别和LI-RADS治疗反应（LR-TR）类别均与总体生存期（OS）相关。LI-RADS、LR-M的诊断标准对HCC、cHCC-CC及肝内胆管细胞癌（ICC）的诊断、微血管侵犯（MVI）预测及鉴别诊断效能高，对肝转移与良性局限性肝病的鉴别准确性较高。
2、肝细胞癌（HCC）
HCC进行MRI扫描的研究中，