编辑推荐：
为解决急性胰腺炎（AP）早期诊断难题，研究人员开展 CT 和 MRI 影像组学诊断 AP 的研究。结果显示，MRI 影像组学诊断性能优于 CT，二者联合效果更佳。这有助于提升 AP 检测精度，改善患者预后。
在医学领域，急性胰腺炎（Acute Pancreatitis，AP）是一种常见且棘手的疾病。它是由于胰腺内蛋白水解酶的异常激活，引发胰腺自身消化性损伤的急性炎症 。近年来，AP 的发病率呈上升趋势，每年每 10 万人中就有 20 - 80 人患病，不同国家之间差异较大。AP 主要由胆结石和酒精引起，约占所有病例的 60% - 80%。根据修订的亚特兰大分类标准，AP 的诊断需要满足三个条件中的两个：典型的腹痛（上腹部疼痛并放射至背部）、血清脂肪酶或淀粉酶水平至少升高至正常上限的三倍、影像学检查有特征性表现。
AP 的病情严重程度差异很大，从轻度到重度不等。轻度 AP 通常不需要侵入性治疗，死亡率较低；然而，约 15% - 20% 的患者会发展为重症 AP，伴有多器官功能衰竭，需要积极治疗，住院时间长，死亡率可高达 30%。因此，准确诊断和评估 AP 的严重程度对于改善患者临床结局至关重要。目前，对比增强计算机断层扫描（Contrast - enhanced Computed Tomography，CECT）是确认或排除 AP 最常用的成像方式，Balthazar CT 严重指数（CTSI）与 AP 严重程度和住院时间密切相关。但 CECT 在检测轻度 AP 时存在局限性，早期或轻度病例中，CECT 的假阴性率高达 27%，仅依靠视觉评估胰腺的形态特征，对于轻度 AP 的诊断敏感度不足。
为了攻克这些难题，国外研究人员开展了一项前瞻性、单机构研究，并将成果发表在《European Journal of Radiology Open》上。他们旨在评估 CT 和 MRI 影像组学单独及联合诊断 AP 的性能。
研究人员从 2020 年 12 月至 2022 年 11 月，前瞻性纳入 78 例 AP 患者（平均年龄 55.7±17 岁，48.7% 为男性），同时选取 77 例胰腺正常者作为对照组。患者在出现症状 48 - 72 小时内接受 CECT 检查，CT 检查后 24 小时内进行 MRI 检查 。由两名经验丰富的放射科医生在门静脉期 CECT 图像、T2 加权成像（T2 - weighted Imaging，T2WI）MR 序列、非增强和门静脉期 T1 加权成像（T1 - weighted Imaging，T1WI）MR 序列上手动分割整个胰腺。利用 QuantImage v2 平台进行影像组学特征提取和预测模型构建，共开发了 7 个模型，包括基于单一成像的 4 个模型和多模态组合的 3 个模型 。数据集被分为训练集（80%）和测试集（20%），通过网格搜索和 5 折分层交叉验证选择最优模型和分类算法，使用排列重要性指数评估特征重要性。在统计分析方面，通过 Bootstrapping 获得模型性能的置信区间，用成对置换检验评估模型性能差异。
3. 研究结果
- 患者群体：最终研究人群包括 78 例患者，对照组有 77 例。患者组中胆石症是主要病因（43%），AP 严重程度以轻度（CTSI 0 - 3）为主，占 62 例。
- 模型性能比较：T2WI 模型的诊断性能显著优于 CECT、非增强和门静脉期 T1WI 模型，其敏感度为 73.3%（95% CI：71.5 - 74.7），特异性为 80.1%（78.2 - 83.2），AUC 为 0.834（0.819 - 0.844）。联合模型中，T2WI 与 CECT 联合显著提高了诊断性能，敏感度达 81.4%（80 - 80.3），特异性为 78.1%（75.9 - 80.2），AUC 为 0.911（0.902 - 0.920）。
4. 研究结论与讨论
研究表明，基于 MRI 的影像组学模型在诊断 AP 方面优于 CT 影像组学模型，MRI 与 CECT 联合的多模态影像组学模型诊断性能更优。T2WI - MRI 模型表现出色，可能是因为其对胰腺实质水肿的检测能力强，影像组学又能挖掘肉眼难以发现的特征。多模态影像组学模型整合不同成像序列和模态，实现更全面的评估，提高了诊断的准确性。这一研究成果为 AP 的早期精准诊断提供了新的有力工具，有望改善患者的临床结局。
不过，该研究也存在一定的局限性。例如，研究在单中心进行，可能存在患者选择偏倚；手动分割胰腺耗时且依赖专家知识，未来应探索自动分割技术；研究仅使用了静脉期影像，未纳入动脉期，后续研究可考虑纳入动脉期影像以更好地进行组织特征分析；此外，部分患者的 CT 扫描在外部机构进行，影像采集和重建算法的差异可能影响模型性能。但这些情况也反映了真实临床场景。
总体而言，该研究成果为 AP 的诊断开辟了新方向，未来可进一步探索影像组学在预测 AP 严重程度和并发症方面的应用，助力临床决策，推动精准医疗的发展。
