基于HRCT影像组学的儿童皮肌炎相关间质性肺病预测模型构建及临床验证

本研究针对儿童皮肌炎(JDM)患者并发间质性肺病(ILD)的早期诊断难题，创新性地采用高分辨率CT(HRCT)影像组学技术，结合抗MDA5抗体等临床指标，构建了JDM-ILD预测模型。通过LASSO回归筛选出7个关键影像特征，建立的多参数联合诊断模型在训练组和验证组的AUC分别达0.92和0.93，为临床早期识别高风险患者提供了客观量化工具。

　　

在儿童风湿免疫疾病领域，皮肌炎(JDM)患者合并间质性肺病(ILD)是导致不良预后的重要因素。由于早期病变缺乏典型症状，传统影像学检查存在主观性强、敏感性不足等问题，临床亟需客观的早期预测工具。浙江大学医学院附属儿童医院风湿免疫科联合放射科团队在《BMC Pediatrics》发表的研究，开创性地将人工智能技术与临床指标相结合，为这一难题提供了创新解决方案。

研究团队采用回顾性队列设计，收集56例5岁以上JDM患儿的临床资料和HRCT影像数据，通过GE医疗的肺智能分析套件(LK)自动分割肺组织，并提取1316个影像组学特征。关键技术包括：1)采用DenseVNet算法实现全肺自动分割；2)通过LASSO回归筛选出7个关键特征；3)构建包含抗MDA5抗体的多参数预测模型；4)使用五折交叉验证评估模型性能。

研究结果显示：

1. 临床特征分析：抗MDA5抗体阳性患儿发生ILD的风险是对照组的36.79倍(95%CI 4.19-202106.5)，关节痛症状亦与ILD显著相关(OR=4.2)。HRCT表现以磨玻璃影(66.7%)、网格状改变(54.2%)为主要特征。

2. 影像组学特征筛选：从1316个初始特征中最终确定7个核心指标，包括一阶特征的峰度、偏度，灰度共生矩阵(GLCM)的逆方差特征，以及灰度区域大小矩阵(GLSZM)的区域大小非均匀性特征等。

3. 模型验证结果：联合模型在训练组和验证组的AUC分别达到0.92和0.93，显著优于单一指标。值得注意的是，模型成功预测了5例初始影像学检查阴性但后续确诊ILD的病例，其影像组学评分介于0.56-0.65之间。

该研究的突破性意义在于：首次建立适用于儿童群体的JDM-ILD预测体系，将影像组学特征量化标准与关键生物标志物有机结合。特别是提出的104分风险阈值（抗MDA5抗体49分+影像组学55分），为临床决策提供了明确依据。研究采用的自动化分析流程有效克服了传统放射学评估的主观性局限，其中DenseVNet算法实现的肺部分割精度达到像素级。

未来研究方向应包括扩大样本量验证模型的普适性，并探索其他肌炎特异性抗体（如抗NXP2、抗TIF1γ）的预测价值。该成果不仅为JDM-ILD的早期干预提供了重要工具，其技术路线也可拓展应用于其他结缔组织病相关间质性肺病的风险评估。