编辑推荐：
为解决红外热成像（IRT）在临床应用中的局限及代谢综合征（MS）早期诊断难题，研究人员开展基于 IRT 的放射组学用于 MS 诊断的研究。结果显示，构建的随机森林模型诊断性能良好，该研究为 MS 早期筛查提供了无创新方法。
在医学领域，代谢综合征（MS）作为一种复杂的代谢紊乱疾病，正逐渐成为全球健康的重大威胁。它通常伴随着肥胖、高血糖、高血压、血脂异常等多种症状，大大增加了心血管疾病、糖尿病等慢性疾病的发病风险。然而，目前对于 MS 的早期检测手段存在一定的局限性，传统的检测方法往往依赖于侵入性检查或复杂的实验室分析，不仅给患者带来痛苦，而且成本较高、耗时较长。这就迫切需要一种更加便捷、无创且精准的早期检测方法。
在这样的背景下，北京中医药大学东直门医院等机构的研究人员开展了一项极具意义的研究，旨在探索基于红外热成像（IRT）的放射组学在 MS 早期检测中的应用潜力。他们的研究成果发表在《Scientific Reports》上，为 MS 的早期筛查带来了新的希望。
研究人员采用了一系列先进的技术方法来开展此项研究。首先，进行回顾性队列研究，从 2017 年 7 月至 2023 年 4 月接受常规健康检查的人群中收集数据，纳入 200 名男性参与者，分为 MS 组和健康对照组。在数据收集过程中，对参与者进行了严格的筛选，排除了患有严重合并症、影响体温调节功能疾病以及数据缺失的个体。然后，使用 HIR - 2000A 医疗红外相机采集面部和手掌的热成像图，通过 3D Slicer 软件手动勾勒感兴趣区域（ROI）。接着，利用 Pyradiomics v3.0.1 从热成像图中提取 1656 个放射组学特征，这些特征涵盖了一阶统计特征、纹理特征和滤波增强特征。为了减少特征维度并提高模型性能，研究人员运用了皮尔逊相关系数（PCC）、两样本 t 检验和最小绝对收缩和选择算子（LASSO）回归等方法进行特征选择。最后，基于筛选后的特征，构建二元随机森林（RF）分类模型，并对模型的校准、判别能力和临床实用性进行评估 。
下面来详细看看研究结果：
- 参与者特征：研究共纳入 200 名男性，年龄在 23 - 76 岁之间，通过分层随机抽样将 140 名参与者分配到训练队列，60 名分配到验证队列。健康对照组和 MS 组在年龄和身高方面无统计学显著差异。
- 放射组学特征选择：通过多种方法筛选，最终确定了 3 个关键放射组学特征，包括 lbp - 2D_glrlm_RunVariance_palm、wavelet - LH_firstorder_Mean_face 和 wavelet - LH_glcm_InverseVariance_palm。
- 模型性能：随机森林模型在训练队列和验证队列中均表现出色。训练队列中，模型的曲线下面积（AUC）达到 0.96（95% 置信区间 0.93 - 0.98），准确率为 88%；验证队列中，AUC 为 0.91（95% 置信区间 0.83 - 0.99），准确率为 82%。校准曲线显示模型的概率估计可靠，决策曲线分析也证实了模型在广泛阈值概率范围内的临床实用性。
- 热分布模式：研究发现，上述 3 个关键生物标志物在区分 MS 患者和健康对照方面具有卓越的诊断效能，其 AUC 值均高于传统的一阶温度统计指标。
从研究结论和讨论部分来看，该研究具有多方面的重要意义。在方法学上，建立了标准化的工作流程，结合符合图像生物标志物标准化倡议（IBSI）的协议和 IRT 特定的优化措施，如环境控制和多尺度滤波，解决了热成像分析中以往存在的不一致性问题。在临床应用方面，基于 IRT 的放射组学具有非接触、快速筛查的优势，可在 5 分钟内完成，尤其适用于资源有限的基层医疗环境，有助于早期发现亚临床热异常，为及时采取生活方式干预、延缓糖尿病或心血管并发症的发生提供依据 。然而，该研究也存在一些局限性，例如单中心回顾性设计可能引入选择偏倚，仅纳入男性受试者限制了研究结果的普遍性，部分特征的生物学基础尚不明确等。未来研究需要在不同人群中进行外部验证，探索性别特异性的放射组学特征，并结合多模态成像技术进一步阐明潜在机制。
总体而言，这项研究成功地将功能性 IRT 与精准放射组学相结合，为 MS 的早期筛查提供了一种有前景的无创方法，有望成为 CT/MRI 在代谢表型分析中的补充工具，为代谢综合征的早期诊断和干预开辟了新的道路。
