基于对比增强MRI的影像组学模型用于急性胰腺炎严重程度早期预测

主要作者及发表时间和期刊

该项研究的主要作者包括Qiao Lin, Yi-Fan Ji, Yong Chen, Huan Sun, Dan-Dan Yang, Ai-Li Chen, Tian-Wu Chen和Xiao Ming Zhang，研究成果发表于《Journal of Magnetic Resonance Imaging》杂志。论文接收日期为2019年5月10日，在线可访问地址为wileyonlinelibrary.com，DOI号为10.1002/jmri.26798。研究的核心单位是四川医学影像重点实验室以及北川医学院附属医院的放射科。

研究背景

科学领域与临床需求
急性胰腺炎（AP）是一种常见的急腹症，其病程和预后预测较为复杂。大部分轻症胰腺炎患者自限性强且预后良好，但部分患者可能发展为重症胰腺炎（SAP），死亡率高达30%。因此，准确、及时地判定AP的严重程度对患者和临床医生都有重要意义。临床中常用的评分系统包括急性生理学与慢性健康评分（APACHE II）和床旁急性胰腺炎严重程度指数（BISAP），但其准确性和敏感性不足。此外，尽管CT和MRI在评估AP并发症中重要，但由于部分早期患者胰腺形态学变化不明显，影像表现可能导致严重程度的低估。

影像组学的引入
影像组学是一种通过高通量方式提取定量特征并对其进行分析的新兴影像学方法。相比传统影像解读，影像组学能够通过捕获非常规影像特征来反映病变的异质性。本研究旨在利用基于对比增强磁共振成像（contrast-enhanced MRI, CEMRI）的影像组学模型，对急性胰腺炎的严重程度进行早期预测，通过对疾病不同严重程度下的胰腺实质变化进行量化和分析，探索其潜在的临床价值。

研究目标

本研究的目标是开发一个基于CEMRI的影像组学模型，以便早期、非侵入性、定量化地预测急性胰腺炎的严重程度，并验证其预测效能与传统评分系统（APACHE II、BISAP、MRSI）的比较优势。

研究流程

本研究为回顾性研究，分为多个环节：

1. 数据收集与病例分组
研究招募了2016年1月至2018年10月北川医学院附属医院住院的259名急性胰腺炎患者，根据2012年修订的亚特兰大分类法，将轻症急性胰腺炎（MAP）患者归入非重症组，将中重症急性胰腺炎（MSAP、SAP）患者归入重症组。通过计算机随机分组，按照7:3的比例分为训练组与验证组，分别包含180例（99例非重症，81例重症）和79例（43例非重症，36例重症）患者。病例信息包括患者的APACHE II、BISAP、MRSI评分以及影像学检查结果。

2. 磁共振成像采集与图像分割
患者均在发病后三天内接受MRI检查，在3.0T MRI系统（GE MR750）上进行扫描，并获取门静脉期图像。两名具有8和10年经验的腹部放射科医师采用半自动软件IBEX（基于MATLAB平台开发）对胰腺实质区域（ROI）进行分割，避免包含大血管和胆管，最终提取353个影像组学特征。

3. 特征提取与筛选
通过独立样本T检验与Mann-Whitney U检验淘汰不具备统计显著差异的特征，随后通过Boruta算法对剩余特征进行降维和筛选。Boruta算法通过随机深林模型验证特征重要性，最终筛选出11个关键特征用于模型开发。

4. 模型开发与验证
使用支持向量机（SVM）对训练组数据建立影像组学预测模型，采用10折交叉验证优化模型参数（核函数γ和正则化参数C），最终参数γ为0.1，C为5。利用该模型对验证组数据进行严重程度预测，同时计算受试者工作特性曲线（AUC）及分类准确率、灵敏度、特异性等。

5. 与传统评分系统的比较
将影像组学模型的预测表现与APACHE II、BISAP和MRSI评分系统进行比较，分别对训练组与验证组中的AUC、准确率、阳性预测值、阴性预测值等指标进行统计学对比。

研究结果

在训练组中，影像组学模型的AUC为0.917，分类准确率为85.6%，显著优于所有传统评分系统（APACHE II: 0.750，BISAP: 0.744，MRSI: 0.749）。在验证组中，影像组学模型的AUC为0.848，分类准确率为81.0%，同样优于传统评分系统（APACHE II: 0.725；BISAP: 0.708；MRSI: 0.719）。通过比较AUC，影像组学模型与传统评分系统具有统计学显著性差异。

此外，研究结果表明，尽管传统的APACHE II和BISAP评分在判定重症AP时表现类似，但受患者年龄等因素的影响，这些评分系统在中度病例预测时准确性较低。而MRSI的预测效果受到早期影像学变化不显著的限制，也表现出一定不足。

研究结论与意义

通过捕获影像数据中常规检查不可见的特征，影像组学模型能够较早地反映AP不同严重程度下胰腺实质的潜在变化。本研究表明，基于CEMRI的影像组学模型在急性胰腺炎严重程度的早期预测中具备较高的准确性和良好的应用前景。这对优化临床决策、提高重症提示的效率具有重要意义。

研究亮点

1. 创新性方法：通过影像组学分析提取定量特征，并结合SVM建立预测模型，为AP严重程度的早期判定提供非侵入性方案。
2. 高效预测性能：影像组学模型优于传统评分系统，在训练组和验证组中均表现出高AUC和分类准确率。
3. 潜在临床价值：影像组学技术为急性胰腺炎分级提供了新的研究方向，并可能借助该方法优化病程判断和治疗决策。

研究不足与展望

本研究为单中心回顾性研究，需通过多中心、大样本、前瞻性研究验证模型的广泛适用性。此外，研究尚未纳入与SAP密切相关的持续性器官衰竭等重要因素，未来可结合临床危险因素进一步优化预测模型。

总结而言，该研究通过影像组学技术在急性胰腺炎严重程度早期预测领域取得了重要进展，为医学影像分析方法提供了新的思路和模型应用潜力。