肺挫伤体积与影像组学预测创伤患者早期肺炎发生：一项单中心回顾性研究

来自某医疗中心的研究人员针对胸部创伤患者肺挫伤后早期肺炎(EOP)的预测难题，通过回顾性分析486例患者的临床数据及CT影像，创新性结合肺挫伤体积定量与影像组学(Radiomics)技术。研究发现挫伤比例( AUC=0.644 )和P/F比值等指标可有效预测7天内肺炎发生，极端梯度提升模型(XGBoost)更将预测精度提升至AUC 0.790，为临床早期风险分层提供了新思路。

　　

胸部创伤后肺挫伤作为常见损伤，是肺炎等呼吸道并发症的重要风险因素。这项单中心回顾性研究探索了肺挫伤体积与影像组学特征对创伤后7天内早期肺炎(Early-Onset Pneumonia, EOP)的预测价值。

研究纳入486例急诊收治的成年创伤患者，均在入院6小时内完成全身CT扫描。通过临床数据提取和CT影像分析，团队采用体积测量技术量化挫伤范围，并运用影像组学提取深层特征。受试者工作特征曲线(ROC)显示，肺挫伤占比的预测效能(AUC=0.644)显著优于传统创伤严重度评分(T-AIS)和美国创伤外科协会(AAST)肺损伤分级。

多变量分析揭示，头部损伤严重度(H-AIS)、挫伤比例及氧合指数(P/F ratio)是重要预测因子，联合模型AUC达0.710。更引人注目的是，基于极端梯度提升(Extreme Gradient Boosting, XGBoost)的影像组学模型展现出0.790的样本外预测精度，证实了人工智能技术在医学影像分析中的潜力。

该研究不仅证实肺挫伤体积可作为EOP的预测指标，更创新性地证明影像组学能显著提升预测准确性。这些发现为临床早期识别高风险患者、优化干预策略提供了量化依据，有望改善创伤患者的呼吸系统预后。研究方案已在ClinicalTrials.gov注册(NCT06750822)。