学术报告：基于胰腺及胰腺周围增强CT影像放射组学列线图早期预测急性胰腺炎严重程度的研究

第一部分：研究的主要作者、机构以及发表期刊和时间

本研究的主要作者包括Yanmei Zhao、Jiayi Wei、Bo Xiao、Liu Wang、Xian Jiang、Yuanzhong Zhu和Wenjing He。研究机构为北川医学院医学影像学院以及附属医院，均位于中国四川南充。该研究发表于期刊《Quantitative Imaging in Medicine and Surgery》2023年第13卷第3期，文章标题为“Early prediction of acute pancreatitis severity based on changes in pancreatic and peripancreatic computed tomography radiomics nomogram”，DOI为10.21037/qims-22-821。

第二部分：研究的学术背景

急性胰腺炎（Acute Pancreatitis, AP）是最常见的消化系统急症之一，其临床表现从轻微的水肿性胰腺炎（Mild Acute Pancreatitis, MAP）到可能危及生命的严重急性胰腺炎（Severe Acute Pancreatitis, SAP）不等。根据2012年修订的亚特兰大分类标准，SAP的病死率可高达30%，预后较差。因此，早期预测SAP具有重要的临床价值，可以帮助临床医生优化治疗方案，提高患者生存率，从而改善预后。

传统的AP严重程度预测方法如Ranson评分、APACHE-II评分和BISAP评分等尽管有一定的效果，但往往需要复杂且耗时的评估流程。例如APACHE-II评分需要16项测试并结合ICU条件，这可能导致病情评估时间的延迟并增加住院成本。此外，这些评分系统通常需要数天的数据监测才能完成，而这对于快速评估疾病严重性并及时实施干预来说是一个显著的不足。

放射组学技术通过从医学影像中提取高通量的定量特征，可以捕获肉眼难以观察的人体组织变化。这种无创的分析方法可以为临床决策提供更丰富的参考数据，因此本研究旨在通过胰腺及胰腺周围区域的增强CT影像提取放射组学特征，建立用于SAP早期预测的模型，并设计列线图提供更为直观的临床参考工具。

第三部分：研究的详细工作流程

数据收集与研究对象

研究采用回顾性分析方法，从2016年1月1日至2022年6月30日，北川医学院附属医院收治的1,408例AP患者中筛选出符合标准的215例首发AP患者参与研究。这些患者根据严重程度被分为非严重组（包括MAP和MSAP患者，共158例）和严重组（SAP患者，共57例）。训练和验证队列包含141名患者（非严重组113例，严重组28例），测试队列包含74名患者（非严重组45例，严重组29例）。

筛选患者的标准包括：(1) 首次发作的AP；(2) 接受增强腹部CT检查；(3) 入院到CT检查的时间间隔不超过2天。排除标准包括既往重要病史（如肝硬化、恶性肿瘤等）或病历信息不全、CT影像质量差等。

CT影像的采集

所有患者均接受了Siemens SOMATOM Force CT机的腹部增强扫描，影像基于门静脉期进行，具体采集参数以及患者注射造影剂的详细流程在研究中严格一致，保证了图像质量和一致性。

ROI界定与特征提取

研究从胰腺和胰腺周围区域手动分层绘制感兴趣区域（Region of Interest, ROI），主要分为两个标签：Label 1（胰腺区域，包括坏死区但排除血管和胆道）和Label 2（胰周渗出和积液区域）。所有ROI绘制均由两名经验丰富的放射科医生完成，并采用PyRadiomics开源软件在Jupyter Notebook平台提取放射组学特征。共提取了3040项特征。

特征选择与机器学习建模

使用Light Gradient Boosting Machine (LightGBM) 算法进行特征选择，从提取的3040个特征中筛选出13个最优特征，并基于此建立了Logistic Regression (LR)二分类模型。训练模型采用10折交叉验证，而测试集用于最终验证模型的预测性能。

列线图绘制

研究基于最优特征绘制了列线图，为SAP的早期预测提供了定量评分工具。通过对特征的重要性排序，研究也考察了特定特征的意义及其对模型预测的贡献。

第四部分：主要研究结果

训练队列模型性能表现出色，其ROC曲线下的面积（AUC）达到0.992（95% CI：0.963–0.996）；在测试队列，AUC为0.894（95% CI：0.789–0.966）。测试集的敏感性为86.2%，特异性为80.0%，准确度为82.4%。

实验还揭示了若干重要特征对SAP诊断的影响，例如： - Label1_log-sigma-2-0-mm-3D_GLDM_SmallDependenceLowGrayLevelEmphasis_qcut 在胰腺组织区域，均匀性减低与SAP相关； - Label2_Logarithm_GLNLM_GrayLevelVariance_qcut 在胰腺周围区域，灰度变化范围越大，疾病越严重。

列线图显示，当总分超过124分时，患者发展为SAP的可能性更高。

第五部分：结论以及研究意义

本研究通过从胰腺和胰腺周围区域的增强CT影像中提取放射组学特征，成功建立了SAP早期预测模型，并实现了87%以上的预测准确率。这一模型不仅预示了SAP的发生风险，还通过列线图为临床应用提供了易于使用的工具。

研究意义包括： 1. 提供一种高效、便捷的无创诊断方法； 2. 改善当前AP严重程度预测的不足； 3. 为精准医疗决策提供依据，优化治疗资源配置。

第六部分：研究亮点

1. 独创的数据来源与特征处理方法：结合胰腺及胰腺周围区域特征，全面分析疾病变化；
2. 高性能预测模型：使用LightGBM算法和交叉验证，优化了特征选择与模型性能。
3. 实用性强的列线图：为临床医生提供了直观工具，实际使用门槛低。

第七部分：研究的局限性及未来方向

尽管研究设计严谨，但由于单中心与样本量有限，SAP患者样本比例较低，可能导致模型在其他人群中的推广性受限。因此，未来将进一步开展多中心、大样本研究，并结合临床风险因素提高模型的鲁棒性和应用价值。同时，希望能将放射组学与传统评分系统整合，探索更高效的综合预测工具。