编辑推荐：
为解决 HRCT 图像量化 IIPs 病变难题，研究人员开展基于同调轮廓（HP）方法的 CT 图像纤维化病变定量研究。利用 b0 同调特征（HF）图分类，结果显示 b0 HF 图性能达 1.0，且可区分纤维化与肺癌。该研究为 IIPs 诊断提供新方向。
在肺部疾病的诊疗领域，特发性间质性肺炎（IIPs）一直是困扰医学界的难题。这类疾病病因不明且缺乏有效治愈手段，不同亚型如特发性肺纤维化（IPF）与非 IPF 的 IIPs 在治疗策略和预后上差异显著，尤其是 IPF 患者不仅预后较差，急性加重时死亡率还极高。目前，高分辨率计算机断层扫描（HRCT）是诊断 IIPs 的重要手段，其典型表现如牵引性支气管扩张、蜂窝肺等可辅助诊断，但准确分类亚型极具挑战，即使是放射学专家也可能因观察者间差异导致诊断受限。因此，寻找一种能有效量化 HRCT 图像中纤维化病变的方法，对辅助 IIPs 的精准诊断与分型至关重要。
日本国家生物医学创新、健康与营养研究所等机构的研究人员开展了相关研究，旨在探索基于同调特征（HF）的 CT 图像纤维化病变定量分析方法，并验证其在预测基因表达分布方面的潜力。该研究成果发表在《International Journal of Computer Assisted Radiology and Surgery》上。
研究人员主要采用了以下关键技术方法：首先从癌症图像档案库获取 18 例 COVID-19 患者和 20 例肺癌患者的 CT 图像，筛选出 47 例含明显纤维化病变的 COVID-19 CT 图像作为纤维化组，36 例不含肺癌病变及肺部异常的肺癌患者 CT 图像作为非纤维化组；接着对 CT 图像进行预处理，利用 numpy、scipy 等库创建覆盖肺野的掩码图像并提取肺野；然后运用同调轮廓（HP）方法，通过自定义软件在 32×32 矩阵的图块上进行计算，图块每 8 像素移动一次，生成基于 b0（孤立组件数量）和 b1（孔洞数量）的同调特征（HF）图；最后通过受试者工作特征（ROC）分析确定区分纤维化与非纤维化的阈值，并在测试集上评估准确性、灵敏度等指标。
结果
- HF 图可视化纤维化病变：通过图块移动 HP 方法生成的 HF 图显示，b0 HF 图与纤维化病变关联最强，能更特异性地检测纤维化病变，其值与纤维化密度、类型及周围肺结节相关；而 b1 HF 图中几乎整个肺野均增强，包括结节区域。因此，研究选定 b0 用于生成 HF 图。
- 纤维化与非纤维化分类：ROC 分析显示，b0 HF 图的平均阈值为 199，曲线下面积（AUROC）为 1.00，测试集分类的准确性、灵敏度、特异性和精确度均达 1.00，表明 b0 HF 图在区分纤维化与非纤维化 CT 图像上具有极高效能。
- 纤维化与肺癌分类：针对包含肺癌病变的 CT 图像，b0 HF 图的平均阈值为 191.4±5.32，AUROC 为 0.992±0.008，测试集最高准确性达 0.966，灵敏度 1.00，特异性 0.917，精确度 0.944，显示其对纤维化与肺癌病变的区分具有一定可行性。
结论与讨论
本研究证实了同调特征在 CT 图像纤维化病变定量评估中的可行性。b0 HF 图通过量化图像中孤立组件的连通性，有效捕捉了纤维化与非纤维化肺野的拓扑特征差异，为 IIPs 的量化诊断提供了新工具。与基于直方图和纹理特征的传统方法相比，HP 方法通过优化计算参数可降低 CT 成像条件的影响，具有更强的鲁棒性。尽管研究使用 COVID-19 患者 CT 图像作为验证模型，与 IIPs 的纤维化病变存在差异，但其成功为后续在 IIPs 患者中验证奠定了基础。
研究局限性包括受 CT 图像像素大小影响、分析分辨率较低以及未直接使用 IIPs 患者数据等。未来研究拟优化标准化方法、提高分析分辨率，并结合 IIPs 患者的 HRCT 图像与病理结果，进一步明确 HF 图值与典型 HRCT 表现、临床指标（如用力肺活量）的关联，甚至通过与基因表达信息结合，实现基于 CT 图像的基因表达分布预测，为 IIPs 的精准诊疗开辟新路径。该研究不仅为无创量化纤维化病变提供了创新方法，还为影像学与分子生物学的交叉研究提供了思路，有望减轻患者和临床医生的负担，具有重要的科学意义和临床应用潜力。
