编辑推荐：
为评估基于 CT 的影像组学模型预测肝泡型包虫病（HAE）微血管密度（MVD）的性能，研究人员构建多种模型，发现 GPLV20 mm模型及列线图模型预测效果佳，为临床提供参考。
肝泡型包虫病（HAE），这一在牧区肆虐的 “幽灵”，是由多房棘球绦虫引起的人畜共患寄生虫病，如同肝脏的 “癌症”。它以肿瘤般的生长方式，给患者带来极高的发病与死亡风险，未得到妥善治疗的患者 10 年病死率高达 94%。手术，虽为主要治疗手段，但术前精准评估病变情况至关重要，关乎手术可行性与策略优化。而评估 HAE 病变的生物活性，更是决定治疗方案与抗寄生虫药物停用时机的关键，就像一把精准的 “手术刀”，决定着治疗的走向。
微血管密度（MVD），作为反映 HAE 病变生物活性的 “金标准”，其在病变周围浸润区的丰富程度，恰似病变的 “能量补给站”，间接展现着寄生虫的生物活性。然而，传统影像学手段却无法 “看透” 这一微观世界，难以从形态上呈现 MVD。虽有 FDG-PET、CEUS 等功能成像技术试图 “揭开 MVD 的面纱”，但受限于牧区医疗条件与经济因素，难以广泛应用。
在此困境下，新疆医科大学第一附属医院的研究人员挺身而出，开展了一项极具意义的研究。他们旨在构建基于 HAE 病灶内及不同病灶周围区域特征的影像组学模型，预测 MVD，并寻找最佳模型，同时结合临床特征构建可视化列线图模型，为临床诊疗提供更精准的依据。该研究成果发表在《BMC Medical Imaging》上。
为实现这一目标，研究人员运用了一系列关键技术方法。他们收集了 2012 年 1 月至 2023 年 12 月新疆医科大学第一附属医院 467 例 HAE 患者资料，依据严格的纳入与排除标准，最终 303 例患者入组。患者被随机分为训练队列 1（n = 242）和测试队列（n = 61）。通过对患者术前腹部增强 CT 影像进行处理，利用 3D Slicer 软件进行感兴趣体积（VOI）分割，提取基于病灶总体积（GLV）、病灶周围 10mm、15mm、20mm 体积（GPLV10 mm、GPLV15 mm、GPLV20 mm ）的影像组学特征，再经标准化、相关性分析、LASSO 回归等筛选特征，运用五种机器学习算法构建模型，最后结合最佳影像组学模型特征与临床特征构建列线图模型，并进行评估。
研究结果
- 患者特征：303 例患者（男 / 女：147/156，年龄：38.36±13.11 岁）纳入研究。训练队列和测试队列中，MVD 阳性与阴性患者在年龄、性别、BMI 等多方面无显著差异。经单因素和多因素逻辑回归分析，发现钙化类型、AST 和 Fib 可作为 HAE 中 MVD 阳性的独立预测因子。
- 影像组学特征选择：从四个 VOI 共提取 1874 个影像组学特征，两名放射科医生计算的特征一致性超 0.90。去除冗余特征后，经 LASSO 降维，GLV、GPLV10 mm、GPLV15 mm、GPLV20 mm分别剩余 2、2、13、11 个特征。
- 影像组学模型构建与评估：对比不同算法构建的模型，发现 ExtraTrees 算法构建的模型在测试队列中 AUC 更高，性能更优且稳定性好。四个 VOI 模型中，GPLV20 mm 模型预测性能最佳，训练队列和测试队列中 AUC 分别为 0.876 和 0.802。
- 列线图性能测试：将 GPLV20 mm 影像组学模型与临床特征结合构建列线图模型。在训练队列和测试队列中，列线图模型 AUC 均最高，分别为 0.922 和 0.849，且临床获益更大。
研究结论表明，基于 CT 的 GPLV20 mm影像组学模型能较好预测 HAE 的 MVD，列线图模型预测性能最佳。这一研究成果意义重大，首次探索不同病灶周围尺度影像组学模型预测 HAE 的 MVD 和生物活性，为理解 HAE 浸润宽度和安全距离提供依据。同时，影像组学与机器学习的结合，为 HAE 的术前评估开辟新路径，列线图模型更能为临床治疗策略选择和疗效评估提供可靠的个体化依据，有望改善 HAE 患者的诊疗现状，让更多患者受益。不过，该研究也存在局限性，如单中心研究可能存在选择偏倚、未探究 MVD 与生存预后的关系、仅分析影像组学特征等。未来研究可在这些方面深入探索，进一步完善对 HAE 的认知与诊疗手段。
