自动化CT分割软件在癌症患者体成分评估中的验证研究：DAFS Express的精准性与临床应用价值

【编辑推荐】本研究针对CT图像手动分割耗时且存在观察者差异的问题，验证了DAFS Express软件在5973例非转移性结直肠癌(3098例)和乳腺癌(2875例)患者L3椎体单层CT图像中的自动分割性能。结果显示：骨骼肌(SKM)、内脏脂肪(VAT)等组织的DICE指数>96%，与手动分割的死亡率风险预测一致性差异<2.14%。该技术为大规模体成分分析及临床预后评估提供了高效解决方案。

　　

在癌症诊疗领域，身体成分组成已成为预测手术并发症、化疗毒性和生存率的重要指标。传统通过计算机断层扫描(CT)手动勾画骨骼肌(SKM)、内脏脂肪组织(VAT)等方法，不仅耗时费力，更因观察者间差异影响结果可靠性。随着人工智能技术的发展，自动化CT图像分割被视为突破这一瓶颈的关键，但其在真实临床场景中的准确性和实用性仍需严格验证。

这项发表在《Clinical Nutrition》的研究，由Mushfiqus Salehin等跨国团队开展，首次系统评估了Data Analysis Facilitation Suite (DAFS) Express软件在癌症患者体成分分析中的表现。研究团队选取美国凯撒医疗集团北加州分部的5973例非转移性癌症患者（结直肠癌3098例，乳腺癌2875例）L3椎体水平CT图像，采用与金标准手动分割(SliceOmatic软件)相同的Hounsfield单位(HU)范围设定，通过多维度指标验证自动分割的可靠性。

关键技术方法包括：1)基于Kaiser Permanente Northern California医疗系统的癌症患者队列；2)采用DICE指数和组内相关系数(ICC)定量评估自动/手动分割一致性；3)通过Bland-Altman分析比较SKM、VAT等组织的横截面积差异；4)利用Cox比例风险模型(HR)分析体成分与死亡率的关联性，校正年龄、癌症分期等混杂因素。

【背景与目的】研究指出，虽然L3椎体水平的CT图像分析已被广泛用于评估肌肉减少症和脂肪分布，但手动处理每例图像需15-30分钟，且观察者间差异可达5-15%。这严重限制了在大型流行病学研究或临床常规中的应用。DAFS Express作为新兴自动化工具，其分割效率可达秒级，但此前缺乏系统性验证。

【方法】创新性地采用"失败案例"分类标准：DICE<20%为完全失败，<70%为质量差。对异常值进行盲法复核，特别关注图像质量差、金属伪影或极端体型等特殊情况。统计模型不仅包含传统的一致性检验，还首次将自动分割结果与临床终点（死亡率）预测效力直接关联验证。

【结果】显示：1) 分割精度：SKM、VAT和皮下脂肪组织(SAT)的平均DICE达96%以上，肌间脂肪组织(IMAT)为77%，仅3例(0.05%)完全失败；2) 面积差异：Bland-Altman分析显示自动分割对SKM和SAT存在轻微低估（均值差分别为-5.73和-2.82 cm²）；3) 可靠性：结直肠癌组的ICC为0.88-1.00，乳腺癌组达0.95-1.00；4) 临床预测：自动与手动分割的死亡率风险比(HR)差异均<2.14%，最大差异见于IMAT相关分析（1.3% vs 2.14%）。

【结论与讨论】该研究证实DAFS Express可实现临床级精度的自动化体成分分析，其核心价值体现在：1) 效率提升：将单例分析时间从半小时级缩短至秒级；2) 结果可靠：在肌肉/脂肪分割中达到与专家相当的一致性；3) 临床适用：保持预后预测效力不变的前提下，显著降低技术门槛。特别值得注意的是，软件对IMAT的分割精度相对较低，这可能与该组织解剖边界模糊的特性有关，提示未来算法优化的方向。

这项研究为癌症患者营养状况评估提供了标准化工具，使大规模筛查肌肉减少症、脂肪异常分布成为可能。研究者建议，后续可探索该技术在动态监测体成分变化、预测化疗毒性等方面的应用。成果的临床转化将有助于实现精准营养干预，改善癌症患者预后。