基于CT影像组学的机器学习模型在分肾功能评估中的创新应用研究

本研究通过非对比增强CT（NCT）影像组学结合随机森林算法，开发了分肾功能（SRF）评估模型，首次实现以无创方式精准区分肾小球滤过率（GFR）>45 ml/min/1.73 m2 与<30 ml/min/1.73 m2 的肾功能分级（AUC达0.859-0.901），在梗阻性肾病亚组表现尤为突出，为临床提供了一种高分辨率、低成本的分肾功能评估新范式。

　　

引言
分肾功能（SRF）评估对临床决策至关重要。传统肾动态显像（RDI）虽为金标准，但存在空间分辨率低、操作复杂等局限。非对比增强CT（NCT）凭借高分辨率、无造影剂风险等优势成为潜在替代方案。影像组学技术通过挖掘NCT中肉眼不可见的定量特征，为SRF评估开辟了新途径。

方法
研究纳入543例肾脏（训练集381例/测试集162例），以RDI测定的GFR为金标准，按CKD分期分为>45、30-45和<30 ml/min/1.73 m²
三组。采用3D Slicer软件进行肾实质分割，通过PyRadiomics提取1316个特征，经Spearman相关性分析和树模型特征重要性排序后，筛选出16个关键特征构建随机森林模型。

结果
模型在测试集中表现优异：>45和<30 ml/min/1.73 m²
组的AUC分别为0.859和0.901，但30-45组区分能力较弱（AUC=0.679）。梗阻性肾病亚组表现更佳，三组AUC达0.918/0.798/0.912。决策曲线分析显示模型在1-69%、15-50%和0-99%概率阈值区间具有临床净获益。

讨论
该模型突破性地将NCT形态学信息与功能评估结合，特别适用于梗阻性肾病患者的肾功能监测。相比既往研究仅关注整体肾功能，本研究首次实现SRF分级评估。与MRI研究相比，CT更具普适性。值得注意的是，模型对GFR>45和<30 ml/min/1.73 m²
的精准区分，为肾切除术前对侧肾功能评估提供了重要参考。

结论
这项研究证实NCT影像组学可有效评估SRF，其构建的模型在关键肾功能阈值区分上表现优异，尤其适用于梗阻性肾病群体，为临床提供了一种高性价比的无创评估方案。未来需通过多中心研究进一步验证其普适性。