编者按
珠江论剑▪炎症性肠病前沿研究生论坛以推动我国炎症性肠病的学术创新和研究生教育为核心，以促进学术交流、提升研究水平、培养高素质人才为目标。现呈现首届会议的部分优秀摘要。
标题：基于MRI探究以肛周瘘为初始临床表现的克罗恩病的早期诊断：一项多中心影像学特征预测克罗恩病风险网络工具及人工智能诊断预测的应用研究
作者：项钰1 杨凡2 袁芬3 贡钰霞4 杨柏霖1，4
作者单位：1南京中医药大学第一临床医学院，南京 210029；2南京医科大学公共卫生学院，南京 211166；3南京中医药大学附属医院江苏省中医院影像科，南京 210029；4南京中医药大学附属医院江苏省中医院IBD诊疗中心/肛肠科，南京 210029
通信作者：杨柏霖
会议展示：2024年2月21-24日在瑞典斯德哥尔摩举行的ECCO第24届大会上的海报演示
利益冲突声明：作者声明没有利益冲突
本研究为原创性研究，尚未在正式刊物发表
摘要
目的 克罗恩病(CD)的诊断一直具有挑战性，尤其最初症状表现为肛周瘘管性病变（PFCD）时更容易出现延误诊断。本研究目的是基于直肠MRI影像特征开发诊断预测模型，并创建可视化网络工具，用于诊断首发症状表现为肛瘘的CD患者；同时训练人工智能对MRI图像病灶进行特征性识别。
方法 回顾性、多中心队列研究，纳入2016年9月至2020年12月期间在3家医疗中心接受直肠MRI检查后接受首次肛周瘘手术的PFCD或CGF患者。回顾性纳入江苏省中医院单中心 ( n=550 ) 直肠MRI图像分析特征，以7:3的比例被随机分成训练集和测试集，使用机器学习建立PFCD随机森林分类诊断模型。使用苏州市中医院、中山六院两个外部中心的数据进行验证 (n=300) 。使用Shapley additive explanation (SHAP) 框架对模型中各因素进行评估（图1）。采用ROC曲线评估模型效力，运用Shiny App建立网络工具，预测诊断具体风险（图2）。采用卷积神经网络（CNN）对MRI图像中特征性病灶进行深度学习，实现对MRI病灶的精准识别及分割。
图1
图2
结果 模型（PFCD-RE）准确性为0.9515 (95% CI: 0.9067-0.9788)，AUC为0.9425 (95% CI：0.8943-0.9906)；两个外部验证集AUC分别为0.9187 (95% CI: 0.8620-0.9754) 和0.9341 (95% CI: 0.8876-0.9806)。采用人工智能训练MRI识别模型在测试集中，PFCD的分类准确性在两个序列中分别为T2WI：0.9121；T2FS：PFCD 0.8199。
结论 本研究开发并创建名为PFCD-RE的网络工具用以预测首发症状为肛瘘的患者CD诊断风险；同时训练人工智能对MRI图像进行PFCD特征病灶的识别分割及诊断预测。
关键词
克罗恩病；早期诊断；预测模型；机器学习模型；深度学习；MRI；医学影像识别
作者介绍
推荐阅读
（点击图片即可跳转阅读文章）
我就知道你“在看”
