本文是一篇关于急性胰腺炎影像组学研究的学术论文，发表于《影像研究与医学应用》2022年9月第6卷第18期，作者为林峤、李兵、刘宁川、任龙和廖歆，均来自南充市高坪区人民医院放射科。研究的主要目的是通过对比增强CT（contrast-enhanced computed tomography, CECT）图像，建立一个影像组学模型，用于早期预测坏死性胰腺炎（necrotizing pancreatitis, NP），以弥补传统影像学方法在疾病早期诊断中的不足。

研究背景与意义

急性胰腺炎（acute pancreatitis, AP）是临床上常见的急腹症，分为间质水肿性急性胰腺炎（interstitial edematous pancreatitis, IEP）和坏死性急性胰腺炎（necrotizing pancreatitis, NP）。NP的预后较差，可能危及患者生命，因此早期诊断至关重要。目前，影像医生主要依赖对比增强CT在疾病发生一周后观察胰腺是否出现坏死区域，但这种方法在疾病早期存在较高的漏诊和误诊风险。影像组学（radiomics）通过提取大量肉眼无法观察到的病变异质性纹理特征，结合临床特征开发模型，能够为早期诊断提供新的思路。

研究方法与流程

研究选取了2020年1月至2021年12月南充市高坪区人民医院收治的259例急性胰腺炎患者，其中117例为NP，142例为IEP。所有患者被随机分为训练集（180例）和验证集（79例）。研究的主要流程包括以下几个步骤：

1. 数据采集与预处理
   所有患者均接受GE Optima CT 660 128层螺旋CT扫描，扫描范围从剑突至双肾平面。增强扫描采用高压注射器经肘静脉注射碘佛醇造影剂，分别在注射后16秒、30秒和60秒采集动脉期、静脉早期和静脉期图像。扫描参数保持一致，以减少成像参数对特征提取的影响。

2. 感兴趣区（ROI）分割与特征提取
   在患者初次检查的静脉期图像上，沿胰腺边缘勾画感兴趣区（region of interest, ROI），并使用IBEX软件从灰度共生矩阵、灰度行程矩阵、形状和灰度直方图四类特征组中提取影像组学特征。

3. 特征筛选与模型建立
   采用t检验和最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）算法筛选出10个对NP和IEP最具鉴别意义的纹理特征。基于这些特征，建立LASSO-Logistic回归模型，并通过10倍交叉验证进行模型训练和验证。

4. 影像医师阅片与模型评估
   两位副主任医师对初次增强CT图像进行阅片，以一周后复查增强CT的结果作为判断NP的标准。影像组学模型的预测能力与影像医师的阅片结果通过受试者操作特征曲线下面积（area under curve, AUC）进行比较。

研究结果

1. 临床资料分析
   训练集和验证集患者的年龄、性别和病因等基本信息无显著差异（p > 0.05），但验证集中性别和病因的分布存在统计学差异（p < 0.05）。

2. 影像医师阅片结果
   在训练集中，影像医师判断的AUC为0.767，准确率为0.690；在验证集中，AUC为0.676，准确率为0.620。这表明传统影像学方法在早期诊断中存在一定的局限性。

3. 影像组学模型预测结果
   影像组学模型在训练集中的AUC为0.815，准确率为0.780；在验证集中的AUC为0.770，准确率为0.740。模型的预测能力显著优于影像医师的阅片结果。

讨论与结论

研究结果表明，影像组学模型在早期预测坏死性胰腺炎方面表现出良好的预测能力。其优势在于通过定量分析揭示传统影像图像中肉眼无法观察到的信息，从而弥补了传统方法的不足。然而，研究也存在一些局限性，例如样本来源单一、仅从静脉期图像提取特征等。未来研究可通过多中心、多参数和大样本的进一步验证，结合临床风险因素，建立更为个性化的预测模型。

研究亮点

1. 创新性方法：首次将影像组学技术应用于急性胰腺炎的早期诊断，为临床提供了新的工具。
2. 高预测效能：影像组学模型的AUC和准确率显著优于传统影像医师的阅片结果。
3. 严格的实验设计：通过t检验和LASSO算法筛选特征，确保了模型的高效性和稳定性。

研究意义

本研究为急性胰腺炎的早期诊断提供了新的思路和方法，具有重要的科学价值和临床应用潜力。影像组学模型的成功应用不仅能够提高诊断准确性，还能为临床决策提供支持，从而改善患者预后。未来，随着技术的进一步发展和多中心研究的开展，影像组学在胰腺疾病中的应用前景将更加广阔。

参考文献

研究引用了多篇相关文献，支持了影像组学在肿瘤性疾病和胰腺疾病中的应用，并讨论了成像参数对特征稳定性的影响。这些文献为研究提供了坚实的理论基础和技术支持。