本研究由Yanmei Zhao、Jiayi Wei、Bo Xiao等作者共同完成，研究团队主要来自中国南充的川北医学院医学影像学院及其附属医院放射科。该研究于2023年3月1日发表在《Quantitative Imaging in Medicine and Surgery》期刊上，题为《Early Prediction of Acute Pancreatitis Severity Based on Changes in Pancreatic and Peripancreatic Computed Tomography Radiomics Nomogram》。该研究旨在通过增强CT（Contrast-Enhanced Computed Tomography）影像的放射组学特征，建立早期预测急性胰腺炎（Acute Pancreatitis, AP）严重程度的模型，并绘制诺模图（Nomogram），为临床评估提供参考。
急性胰腺炎（AP）是一种常见的胃肠道急症，根据2012年修订的亚特兰大分类标准，AP可分为轻度急性胰腺炎（Mild Acute Pancreatitis, MAP）、中度重症急性胰腺炎（Moderately Severe Acute Pancreatitis, MSAP）和重症急性胰腺炎（Severe Acute Pancreatitis, SAP）。其中，SAP的死亡率高达30%，预后较差。因此，早期预测AP的严重程度对于指导治疗、改善患者预后、预防SAP的发生具有重要意义。目前，临床常用的评分系统如Ranson标准、APACHE II评分和BISAP评分等虽然能够预测SAP，但其计算过程繁琐且耗时，难以在临床中广泛应用。放射组学（Radiomics）通过高通量提取数字影像中的定量特征，能够反映人体组织、细胞和基因水平的变化，为临床决策提供支持。本研究旨在通过放射组学特征建立AP严重程度的早期预测模型，并绘制诺模图，为精准医学提供参考。
研究回顾性分析了2016年1月1日至2022年6月30日期间在川北医学院附属医院就诊的1,408例AP患者，最终纳入215例首次发作的AP患者，分为训练队列（141例）和测试队列（74例）。所有患者均接受了腹部增强CT检查，扫描参数为：管电压120 kV，管电流200 mAs，视野30 cm × 30 cm，矩阵512×512，体素大小1×1×5 mm，扫描层厚5 mm，层间距5 mm，螺距0.6-1。扫描时通过肘静脉注射1.5 ml/kg的非离子型造影剂，流速为3.5-4 ml/s，门静脉期扫描时间为注射后65-70秒。
研究通过三维切片软件（3D Slicer）手动勾画胰腺和胰周区域的感兴趣区（Region of Interest, ROI），并使用Python中的PyRadiomics软件包自动提取放射组学特征。共提取了3,040个特征，包括形态学特征、一阶灰度直方图特征、二阶和高阶纹理特征等。为了确保特征提取的可靠性，研究还评估了观察者内和观察者间的一致性，结果显示所有特征的类内相关系数（Intraclass Correlation Coefficient, ICC）均大于0.7，表明特征提取具有良好的一致性。
研究使用LightGBM算法进行特征选择，最终筛选出13个最优放射组学特征用于构建逻辑回归（Logistic Regression, LR）模型。模型通过10折交叉验证进行训练，并在测试队列中进行验证。模型的预测性能通过受试者工作特征曲线下面积（Area Under the Curve, AUC）、敏感性、特异性和准确性进行评估。
研究结果显示，基于13个最优放射组学特征的LR模型在训练队列中的AUC为0.992（95% CI: 0.963–0.996），在验证队列中的AUC为0.965（95% CI: 0.924–0.981），在测试队列中的AUC为0.894（95% CI: 0.789–0.966）。模型的敏感性为0.862（95% CI: 0.674–0.954），特异性为0.800（95% CI: 0.649–0.899），准确性为0.824（95% CI: 0.720–0.919）。基于这些特征绘制的诺模图显示，当总评分大于124分时，预测为SAP。
研究还通过Shapley加性解释（Shapley Additive Explanations, SHAP）值对特征的重要性进行了解释。其中，胰腺区域的label1_log-sigma-2-0-mm-3d_gldm_smalldependencelowgraylevelemphasis_qcut（L1LGSdlge-Q）和胰周区域的label2_logarithm_glrlm_graylevelvariance_qcut（L2LGgv-Q）是最重要的特征。L1LGSdlge-Q反映了胰腺低灰度区域的纹理不均匀性，而L2LGgv-Q则反映了胰周区域的平均灰度变化。
本研究通过增强CT影像的放射组学特征，建立了一个高效的AP严重程度早期预测模型，并绘制了诺模图。该模型在训练和测试队列中均表现出良好的预测性能，AUC分别达到0.992和0.894。诺模图的使用使得模型的预测结果更加直观，便于临床医生快速评估AP的严重程度。研究还发现，胰腺和胰周区域的放射组学特征能够全面反映AP的病理变化，尤其是胰腺组织的炎症、充血、水肿和坏死等变化，以及胰周区域的渗出和脂肪组织混合情况。
尽管本研究取得了积极的成果，但仍存在一些局限性。首先，这是一项单中心、小样本的研究，SAP患者的比例较低。未来计划进行多中心、大样本的研究，以验证模型的稳健性和可重复性。其次，研究未结合临床风险因素，未来将结合临床数据进一步优化模型，提高预测效率和临床适用性。
本研究为AP的早期诊断和严重程度评估提供了一种新的方法，具有重要的科学价值和临床应用前景。通过放射组学特征和诺模图的结合，临床医生可以更快速、准确地评估AP患者的病情，从而制定个性化的治疗方案，改善患者预后。