基于人工智能的肝脏精准分割模型在多期CT中的验证及在年龄相关性肝体积变化研究中的应用

为解决肝脏切除术中术后肝功能衰竭风险预测的临床需求，来自某单中心的研究团队通过回顾性研究评估了开源AI肝脏分割模型在非增强和动态CT各期相（动脉期/门静脉期）中的性能。结果显示：该模型与专家手动分割一致性极高（DSC达0.988±0.010），ICC值均>0.8，纵向研究更首次量化了健康人群肝体积年均下降0.95%的规律，为疾病早期监测提供了新工具。

　　

精准测量计算机断层扫描(CT)中的肝脏体积对肝切除手术规划至关重要，但传统手动分割既耗时又存在主观差异。这项单中心回顾性研究验证了基于卷积神经网络(CNN)的开源人工智能(AI)模型在非增强CT和动态CT各期相（包括动脉期、门静脉期）中的卓越表现——与放射科专家手动分割相比，模型在所有期相均展现超高精度，其中动脉期Dice相似系数(DSC)高达0.988±0.010，对比增强期相的组内相关系数(ICC)均突破0.9门槛。

研究团队将该模型应用于39名无肝病受试者的527次CT纵向数据分析，首次捕捉到健康人群肝脏体积随年龄增长呈现年均0.95%的规律性递减。这种AI驱动的精准测量范式不仅为手术规划提供了可靠工具，更揭示了肝脏衰老的量化特征，对早期发现肝硬化等疾病的体积异常变化具有重要预警价值。动脉期CT被证实为AI分割的最优选择，而模型在非增强CT中仍保持0.8以上ICC的稳健性，显著拓展了临床适用场景。