深圳大学第一附属医院医学影像科王玉理教授团队开发了一种预测肠道克罗恩病炎症活动度的影像组学模型
文摘
其他
2024-06-20 21:27
湖南
近期，深圳大学第一附属医院（深圳市第二人民医院）医学影像科王玉理教授团队，在Meta-Radiology第2卷第3期发表了一篇题为《Radiomics model of CTE Can Detect inflammatory activity in intestinal Crohn’s disease》的学术论文。该论文为解决目前基于影像图像诊断肠道克罗恩病（CD）炎症活动度的不足，构建并验证了基于CTE静脉期图像，结合临床症状和病理结果的影像组学模型，进一步分析了该模型中影像组学特征与CD活动性之间的内在联系，该模型可早期预测CD肠道炎症活动度，为患者针对性诊治提供新的途径。
以往影像诊断CD活动性主要集中在传统影像学特征，例如肠壁增厚、异常强化等与CD活动性相关。然而，这种依赖医生阅读影像图像的诊断方法存在一定的主观性和经验差异。目前，影像组学在预测CD活动性方面取得了一定进展，但同时也面临着一系列挑战和局限性。通过建立预测模型，科学家们已经能够利用纹理分析区分CD病变区域、正常区域和背景区域，鉴别CD和溃疡性结肠炎，证明了基于CTE的RM可以准确描述CD患者的肠纤维化，MRE的纹理分析可以检测CD的炎症活动性。尽管取得了这些突破，影像组学在CD活动性研究中仍然面临着诸多挑战。
本文主要介绍一种基于CTE的影像组学方法，使用ITK-Snap软件，勾画CTE静脉期图像上的病变部分，提取特征后用DARWIN软件进行特征降维。采用极致梯度提升（XGBOOST）建立二分类RM，并应用到测试集进行验证，计算敏感度、特异度和曲线下面积（AUC）。在训练集中，RM区分无-轻度活动性与中-重度活动性的AUC为0.93，敏感度为90.2%，特异度为83.7%；在验证集中，AUC为0.86，敏感度90%，特异度为81.8%。因此，基于CTE的影像组学模型可较为准确、客观、有效地评估肠道CD活动度。1.MRE的纹理分析检测CD炎症活动性的特点与挑战：
MRE的纹理分析可以检测CD的炎症活动性。然而，在样本量有限的情况下，MRE成像技术和参数的复杂性增加了构建稳定RM的难度。因此，如何选择从大量纹理特征中获得最稳定的纹理特征是当前研究的关键及挑战。此外，由于磁共振禁忌症较多，且扫描时间较长，对患者呼吸配合也有较高要求，所以不能满足CD患者急性症状（如：肠梗阻、肠穿孔等）检查需求。
2.基于CTE的影像组学在CD炎症活动性中的应用：
采用基于CTE的影像组学方法，对CD患者肠道病灶进行手动勾画，通过XGBOOST建立预测模型，预测CD患者肠道炎性病变的活动度。XGBOOST是一种基于梯度提升决策树（Gradient Boosting Decision Tree，GBDT）的工程实现，特点为运算数据更精确，支持分类、回归、排序等。通过建立预测模型，探讨影像组学特征与CD活动性之间的内在联系，早期预测CD肠道炎症活动度，提供针对性的治疗方案，开辟个性化诊疗的新途径。
3.基于CTE的影像组学在CD炎症活动性中的应用前景：
目前低剂量CT扫描仪大大减少了CD患者的辐射剂量，可以将CTE作为CD患者急性症状的首选检查方法。同时，这种基于CTE的影像组学方法具有广阔的应用前景，可以使基层医院的CD患者受益，因其他更先进的成像设备（如MRI扫描仪、PET-CT等）检查费用昂贵，而CT扫描仪在基层医院非常普及，且CT检查费用不断降低。基于CTE的影像组学在CD炎症活动性中的应用会越来越广泛，具有良好的发展前景，但依旧面临以下挑战和改进方向：首先，训练数据和测试数据中的样本量有限。在未来的前瞻性研究中，需收集更全面的多中心数据并扩大样本量。其次，本研究使用CTE图像构建RM，对患者有一定辐射风险。再次，RM的人工感兴趣区分割非常耗时，需要开发基于深度学习的自动分割工具。近年来，机器学习（machine learning, ML）模型在医疗决策中准确性、公平性、透明性和可靠性已成为研究热点。因此，在实践中衍生出可解释机器学习（interpretable machine learning, IML）方法，在各种任务中优于影像组学。然而，在IML模型训练过程中，需要更多的CTE数据才能构建更加稳定的模型。因此，未来在增加样本量基础上，积极探索基于IML的分割工具，有助于我们在日后临床实践中构建预测性能更佳、稳定性更好的RM。第一作者 金军
![]()
广东省深圳市前海蛇口自贸区医院医学影像科 副主任医师，硕士，毕业于兰州大学第一临床医学院，导师：郭顺林教授，专业：影像医学与核医学。目前研究方向：神经系统及消化系统疾病影像诊断。以副主编编写学术专著1部，参编学术专著1部。主持、参与深圳市及南山区课题6项。研究摘要《Evaluate inflammatory activity based on computed tomography enterography(CTE) radiomics model in intestinal Crohn’s disease》被2023北美放射学会年会（RSNA 2023）收录。在BMC Med Imaging、Quant Imaging Med Surg、Neuropsychiatr Dis Treat等期刊发表多篇SCI论文。
通讯作者 王玉理
![]()
深圳大学第一附属医院（深圳市第二人民医院）医学影像科 主任医师，硕士，2017--2018年德国海德堡大学曼海姆医学院访问学者。广东省医学会放射防护专委会委员、广东省医学会中西医结合影像专委会委员、深圳市医学会放射医学专委会磁共振学组委员、深圳市医院管理协会放射专委会常务委员、深圳市抗癌协会骨肿瘤专委会委员、深圳市医师协会放射医师分会理事、深圳市中西医结合学会放射专业委员会常委、广东省胸部学会放射专委会委员。研究方向：医学影像人工智能、骨肌关节影像学诊断。在World J Clin Cases、J Chin Med Assoc、BMC Medical Imaging、Frontiers in Oncology等期刊发表多篇SCI论文。
Jun Jin, Xin Mo, Yi-bo Chen, Jin-bo Cao, Yao-hong Deng. Yu-li Wang,Radiomics model of CTE Can Detect inflammatory activity in intestinal Crohn’s disease. Meta-Radiology. 2024,100086. doi:https://doi.org/10.1016/j.metrad.2024.100086.
![]()
长按/扫描获取全文（网页全文二维码）
