📌 期刊名称：Front Cardiovasc Med.《心血管医学前沿》
📌 影响因子（2023）: 2.8 (3区Q2)
文章标题：Spectral Detector CT-Derived Pulmonary Perfusion Maps and Pulmonary Parenchyma Characteristics for the Semiautomated Classification of Pulmonary Hypertension
研究机构：University of Cologne
作者：Roman Johannes Gertz 1, Felix Gerhardt 2, Jan Robert Kröger 3, Rahil Shahzad 1 4, Liliana Caldeira 1, Jonathan Kottlors 1, Nils Große Hokamp 1, David Maintz 1, Stephan Rosenkranz 2, Alexander Christian Bunck 1
发表日期： 2022
📖 阅读链接：doi: 10.3389/fcvm.2022.835732.
Citation=6
🔍 背景：肺动脉高压（PH）是一种异质性疾病，具有不同的病理机制和治疗方法。传统的诊断工具如右心导管术（RHC）尽管是金标准，但侵入性较强，无法提供解剖学信息。光谱探测器CT（SDCT）利用碘密度图像（IDI）和虚拟平扫图像（VNC）可同时评估肺灌注、血管和肺实质的变化，具有成为PH无创分类工具的潜力。
目的：
评估基于SDCT的肺灌注图和肺实质特征是否能半自动检测和分类PH，并探索其在不同PH亚组（如慢性血栓性肺动脉高压，CTEPH）中的应用价值。
方法：
回顾性纳入201名患者，其中162例确诊为PH，20例作为对照（mPAP<25 mmHg）。根据ESC/ERS分类将PH患者进一步分为四个亚组。均使用SDCT获取增强CT数据，通过碘密度图和VNC图像进行肺灌注和实质量化分析。利用半自动分割方法，将肺分为正常灌注区和异常灌注区，并计算碘密度偏度（ID Skewness）和δ指数等参数。
统计学：
1.Shapiro-Wilk正态性检验：用于检测数据是否符合正态分布。
2. t 检验（t-test）：用于比较连续、参数数据在两组之间的差异。评估两组的均值是否存在统计学显著性差异，前提是数据符合正态分布。
3.Mann-Whitney U 检验（Mann-Whitney U Test）：一种非参数检验方法，适用于比较连续、独立、非参数数据在两组之间的差异。当数据不符合正态分布时使用。
4.Pearson 卡方检验（Pearson’s Chi-Squared Test）：用于识别分类数据之间的差异。评估不同组别中的类别变量（如频数或比例）是否存在统计学显著性差异。
5.方差分析（ANOVA for Parametric Data）：用于比较多个组之间和亚组之间的连续、参数数据的差异。评估多组均值是否存在统计学显著性差异，前提是数据符合正态分布和方差齐性。
6.Levene’s 方差齐性检验（Levene’s Test for Equality of Variances）：在进行 ANOVA 之前，用于评估各组数据的方差是否相等。
7. Bonferroni 事后调整（Bonferroni Adjustment for Multiple Comparisons）：在多重比较中，使用 Bonferroni 方法进行事后调整，以控制第一类错误率，降低出现假阳性的可能性。
8. Kruskal-Wallis 检验（Kruskal-Wallis Test）：一种非参数检验方法，用于比较多个组之间的连续、非参数数据的差异。当数据不符合正态分布或方差不齐时使用。
9.Dunn-Bonferroni 校正的事后分析（Dunn-Bonferroni Corrected Post Hoc Analysis）：在 Kruskal-Wallis 检验后进行的事后比较，使用 Dunn 方法并进行 Bonferroni 校正，调整多重比较的显著性水平。
10.受试者工作特征曲线（ROC 曲线）及曲线下面积（AUC）计算（Calculation of ROC Curve and Area Under the Curve）：用于评估分类模型的性能。AUC 表示模型区分不同分类的能力，值越接近 1，判别能力越强。
11.Youden 指数（Youden’s Index）：基于 ROC 曲线分析，用于确定最佳临界值（cut-off value），通过最大化（敏感度 + 特异度 - 1）来优化诊断测试的整体效能。
12.显著性水平设定（P < 0.05 Considered Statistically Significant）：将 P 值小于 0.05 视为具有统计学显著性，表示结果在统计学上有意义，不太可能由偶然因素引起。
结果：
PH患者的异常灌注区比例显著高于对照组（39.0% vs. 25.6%，p=0.02）。ID Skewness在PH患者中表现为更均匀的灌注缺损，AUC为0.67，与NT-pro BNP相当。δ指数在CTEPH患者中表现出极高的分类准确性（AUC=0.92，灵敏度86%，特异性85%）。组3（肺疾病/低氧相关PH）患者的灌注缺损范围最大，同时表现出均匀的碘分布（p<0.001）。CTEPH患者的ID Skewness接近0，显示灌注分布均匀性显著高于其他亚组。δ指数能区分真性灌注缺损（如CTEPH）和伪缺损（如肺气肿）。
讨论：
1.SDCT的优势：同时评估肺灌注、血管和实质病变，提供“一站式”诊断。δ指数能无创地区分PH亚组，特别是CTEPH，与经验丰富的放射科医生诊断一致性高。
2.局限性：δ指数无法区分由于运动伪影或束硬化效应引起的伪缺损。数据集缺乏外部验证，需进一步研究确认结果的通用性。
结论：基于SDCT的肺灌注图和δ指数在检测和分类PH中表现出较高的诊断价值，尤其是在鉴别CTEPH和其他PH类型中具有重要意义。
🌟 新发现与创新点：1.δ指数作为新参数，首次被引入区分PH亚组，并在无经验放射科医生的情况下显示出高效性。2.提供了一种快速、非侵入性的PH分类方法，优化了传统V/Q扫描的诊断流程。
💡 意义：1.δ指数可作为PH患者的初筛工具，帮助识别CTEPH患者并指导进一步治疗（如血管成形术）2.SDCT为复杂PH病例的分类提供了可靠依据，减少了对侵入性检查的依赖。
A: 1型肺动脉高压（PAH）
C: 4型肺动脉高压（CTEPH）
💡 深入研究建议：1.在多中心研究中验证δ指数的诊断效能，并探讨其在更广泛患者群体中的适用性。2.开发自动化算法，提高肺灌注图分析的效率和标准化水平。
💡 Test：以下哪项是CTEPH患者的灌注特征？
A. 异常灌注区比例较低
B. ID Skewness接近0
C. δ指数接近1.0
D. 正常灌注区比例较高
参考文献(两日内回复文章标题获取原文）：
Gertz RJ, Gerhardt F, Kröger JR, Shahzad R, Caldeira L, Kottlors J, Große Hokamp N, Maintz D, Rosenkranz S, Bunck AC. Spectral Detector CT-Derived Pulmonary Perfusion Maps and Pulmonary Parenchyma Characteristics for the Semiautomated Classification of Pulmonary Hypertension. Front Cardiovasc Med. 2022 Feb 28;9:835732. doi: 10.3389/fcvm.2022.835732. PMID: 35391852; PMCID: PMC8982082.
不再声明原创声明：为了严格遵守平台规定，本系列内容将不再声明原创（原作者投稿除外）。我们坚信，与广大的读者共同提高、共同进步，才是我们坚持不懈地制作高质量内容的主要动力和核心原因。我们希望通过这个平台，与大家分享知识、交换见解，共同成长，而不仅仅是追求原创带来的收益。感谢每一位读者的支持和理解，我们将继续努力，为您带来更多有价值的内容。
👉 想了解更多？请访问期刊官网阅读全文或回复文章标题直接获取全文。
欢迎交流和讨论，期待您的留言！#最新文献 #科研前沿 #见刊时刻
