新双输入模型精准量化肝脏血流：突破 PET 成像困境

为解决肝脏血流（HBF）量化难题，研究人员基于15O - 水 PET 数据建模，新模型表现最佳且揭示相关关联。

　　# 新双输入模型在肝脏血流量化研究中的突破
在人体的生理运转中，肝脏如同一个至关重要的 “化工厂”，承担着众多关键功能，而肝脏血流（HBF）则是维持其正常运作的 “生命之河”。准确了解 HBF 对于评估肝脏健康、诊断多种疾病意义非凡。比如，肝动脉狭窄与 2 型糖尿病、肝硬化、代谢综合征以及心血管疾病等密切相关。

然而，量化 HBF 并非易事。肝脏拥有独特的双重血液供应系统，分别来自肝动脉和门静脉（PV）。传统的单组织房室模型（1TCM）在面对肝脏复杂的血流情况时，显得力不从心。由于无法准确考量门静脉的血流贡献，1TCM 会高估肝动脉血流，导致测量结果出现偏差。此外，受限于 PET 扫描仪的分辨率，门静脉因其管径细小，难以清晰成像，其浓度也无法便捷地通过非侵入性方法获取，这些问题一直阻碍着 HBF 的精准量化。

为了攻克这一难题，来自图尔库 PET 中心、图尔库大学和图尔库大学医院的研究人员开展了一项深入研究。他们致力于开发一种新的模型，以实现对 HBF 的精确估算，并探究年龄、性别和体重等因素对 HBF 的影响。该研究成果发表在《European Journal of Nuclear Medicine and Molecular Imaging》杂志上。

研究人员主要采用了以下关键技术方法：

1. 自动分割技术：运用 TotalSegmentator（版本 1.0）对 CT 图像中的目标解剖结构进行自动分割，利用 Carimas（版本 2.10）检查 PET、CT 图像和分割掩码。
2. 数据处理与分析工具：借助 Python（版本 3.9.9）进行图像分析并提取时间 - 活性曲线（TAC），使用 R（版本 3.4.1）完成模型拟合和统计分析。
3. 构建和比较多种模型：构建新的双输入模型，并与 1TCM、谷口等人提出的基于脾脏估计时间延迟的双输入模型、里杰斯韦克等人使用的双输入模型进行对比。

下面让我们详细了解一下研究结果：

1. 模型参数估计：新模型得出平均动脉 HBF 为0.299±0.168 mL/min/mL，平均门静脉 HBF 为0.930±0.520 mL/min/mL，总 HBF 为1.229±0.612 mL/min/mL。与其他两种双输入模型相比，新模型计算出的门静脉 HBF 占总 HBF 的比例 较小。而 1TCM 严重低估了 HBF 和水的分配系数，无法单独准确估计动脉和门静脉 HBF。
2. 模型性能评估：通过计算平均相对误差（MRE）、均方误差（MSE）和赤池信息准则（AIC）来评估模型性能。结果显示，新模型在 MRE 方面表现最佳，在三个双输入模型中，新模型和里杰斯韦克等人使用的双输入模型产生的 MSE 和 AIC 的中位数最小。经统计检验，新模型在性能上显著优于其他模型（p 值≤0.001）。
3. HBF 与性别、年龄、体重的关系：研究发现，女性的门静脉 HBF 略高于男性，而动脉和总 HBF 略低于男性，但差异并不显著。同时，动脉和门静脉 HBF 之间存在中度正相关，总 HBF 与体重或体重指数（BMI）之间存在中度负相关，不过总 HBF 与年龄之间未发现显著相关性。

在研究结论和讨论部分，新双输入模型展现出诸多优势。它在 HBF 量化方面表现出色，结果较为准确和可靠。与其他模型相比，新模型不仅在误差指标上表现优异，计算效率也更高。尽管研究未发现 HBF 在性别和年龄方面存在显著差异，但总 HBF 与体重之间的负相关关系值得关注。这可能与肝脏体积和体重的关联、门静脉输入的潜在低估以及高 BMI 患者可能存在的基础疾病等因素有关。然而，由于研究对象年龄范围的限制，对于儿童、青少年与中年人群之间 HBF 是否存在差异，还需要进一步研究加以验证。此外，鉴于门静脉管径细小，在成像和浓度测量方面存在挑战，后续研究可聚焦于优化从 TotalSegmentator 获取的门静脉输入数据，探索部分容积效应校正等方法，以减少 HBF 估计中的偏差。

总的来说，这项研究为肝脏血流量化提供了新的有力工具和思路，新双输入模型结合自动分割技术，能够有效估算 HBF。研究结果对于深入理解肝脏血流生理机制、评估肝脏健康以及探索相关疾病的病理生理过程具有重要意义，为未来肝脏疾病的诊断和治疗提供了重要的理论依据和技术支持，也为该领域后续研究指明了方向。