基于放射组学的肺动脉血栓特征对肺栓塞患者预后评估的价值研究

《International Journal of Computer Assisted Radiology and Surgery》：Prognostic potential of radiomics evaluation of lung artery thrombus for pulmonary embolism patients

本研究针对急性肺栓塞(APE)高死亡率风险预测难题，通过机器学习方法系统评估了肺动脉血栓放射组学特征与30天死亡率及肌钙蛋白(troponin)的相关性。研究团队对86例患者CTPA图像进行血栓手动分割，采用12种特征选择方法和12种分类模型进行预测分析，结果显示三维放射组学特征对死亡率预测准确率达96.9%，首次证实血栓纹理特征与肌钙蛋白水平存在显著相关性，为个性化治疗策略提供了新依据。

　　

急性肺栓塞(APE)作为心血管疾病中的"隐形杀手"，以其高发病率和死亡率一直困扰着临床医生。据统计，这种疾病在心血管疾病中发生率位居前列，患者往往在短时间内病情急剧恶化。传统的诊断方法主要依赖CT肺动脉血管成像(CTPA)评估右心室扩大等参数来预测患者结局，但这些指标存在局限性——仅有约40%的患者会出现右心室功能障碍，这使得预测的普适性大打折扣。

在此背景下，由Lea Ehrhardt领衔的研究团队独辟蹊径，将目光投向了肺动脉血栓本身的纹理特征。他们猜想：既然血栓是肺栓塞的直接"罪魁祸首"，那么其内在的放射组学特征是否蕴含着预测疾病严重程度的关键信息？特别是与肌钙蛋白这一已知与APE严重程度相关的生物标志物之间，是否存在尚未被发掘的关联？这项发表在《International Journal of Computer Assisted Radiology and Surgery》的研究，为我们揭开了这些问题的答案。

研究团队采用了几项关键技术方法：首先对86例急性肺栓塞患者的CTPA图像进行手动血栓分割，确保每个血栓体积不小于0.5cm3；接着使用PyRadiomics平台提取369个放射组学特征，涵盖一阶统计量、形状特征和纹理特征等多个类别；通过相关性分析（皮尔逊相关系数>0.85）和12种特征选择方法将特征降至10个；最后利用12种分类模型进行5折交叉验证，评估对30天死亡率和肌钙蛋白水平的预测性能。

医学图像数据集

研究采用回顾性设计，包含86例经CTPA确诊的急性肺栓塞患者（58例男性，28例女性），平均年龄64.7±14.8岁。所有患者均排除慢性肺栓塞，并通过PESI、sPESI和日内瓦评分进行严重程度分级。图像采集使用多层螺旋CT扫描仪，注射碘对比剂后采用自动团注追踪技术，确保图像质量一致性。

方法

研究流程包括血栓手动分割、放射组学特征提取、数据预处理和机器学习分析。特别值得注意的是，团队同时分析了二维和三维血栓掩模，并对肌钙蛋白值进行中位数二值化处理，通过过采样和欠采样组合方法解决数据不平衡问题。

放射组学工作流程

特征提取涵盖七大类别：形状特征（仅限3D）、一阶统计量、灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRLM)、灰度区域大小矩阵(GLSZM)、灰度依赖矩阵(GLDM)和邻域灰度色调差异矩阵(NGTDM)。特征经过Z-score标准化后，采用12种特征选择方法（包括ReliefF、方差分析、卡方检验等）和12种分类模型（如支持向量机、随机森林、XGBoost等）进行系统评估。

结果

三维分析显示对30天死亡率的预测准确率高达0.967，F1-score分别为0.973（类别0）和0.967（类别1），ROC曲线下面积(AUC)为0.9686。对肌钙蛋白的预测准确率为0.9109，虽然略低但仍表现出色。最佳特征选择方法为ReliefF、逻辑回归和CART分类，而支持向量机、XGBoost和集成袋装树分类器表现最优。

分类方法比较

支持向量机(SVM)、XGBoost(XGB)和集成袋装树(EBT)在多数情况下表现最佳，其次是K近邻(KNN)和逻辑回归(LRC)。这一发现与近年来放射组学研究的主流趋势相符，特别是XGBoost在多个类似研究中被证明具有优越性能。

特征选择方法比较

ReliefF(RF)、逻辑回归(LOR)和CART分类(CARTC)是最有效的特征选择方法，这与传统认为LASSO和卡方检验最优的认知有所不同，为后续研究提供了新的方法学参考。

最具代表性的放射组学特征

一阶统计量、形状特征和GLCM特征被选择频率最高，其中图像均值、四分位距、第10百分位数、熵等特征尤为重要。这些特征反映了血栓的密度分布、形状复杂度和纹理规律性，为理解血栓生物学特性提供了量化指标。

RV/LV比率预测能力对比

与传统右心室/左心室(RV/LV)比率相比，放射组学方法表现出明显优势。RV/LV比率对死亡率和肌钙蛋白的预测准确率仅为0.783和0.6418，远低于放射组学方法，证实了后者的临床实用价值。

讨论与局限性

研究结果不仅验证了放射组学在肺栓塞预后预测中的巨大潜力，还首次建立了血栓纹理特征与肌钙蛋白水平的直接关联。值得注意的是，三维特征在死亡率预测中表现更佳，而二维特征对肌钙蛋白预测更为稳定，这一发现为不同临床场景下的特征选择提供了指导。

研究的主要局限性在于样本量较小和手动分割的工作强度大。此外，图像分辨率和伪影可能对特征提取产生一定影响。未来通过自动分割技术和更大样本量的验证，有望进一步优化模型性能。

结论

该研究成功构建了基于肺动脉血栓放射组学特征的预后预测模型，对30天死亡率的预测准确率超过96%，对肌钙蛋白水平的预测准确率超过91%。研究证实血栓的一阶统计特征和形状特征具有重要预后价值，为急性肺栓塞的个性化治疗提供了新的量化工具。这一创新方法超越了传统的RV/LV比率评估，展现了放射组学在心血管疾病精准医疗中的广阔前景。