基于临床-CT-影像组学列线图预测肝硬化患者食管静脉曲张内镜下红色征的研究

本研究针对肝硬化食管静脉曲张(EV)患者内镜下红色征(RC)的无创预测难题，来自国内的研究团队通过构建融合临床-CT指标与影像组学特征的列线图模型，验证了其卓越的预测性能（验证队列AUC达0.985），为EV出血风险评估提供了创新性工具。

　　

研究人员开展了一项旨在预测肝硬化患者食管静脉曲张(Esophageal Varices, EV)内镜下红色征(Red Color Sign, RC)的前瞻性研究。通过回顾性分析215例肝硬化患者（108例RC阳性，107例阴性），按7:3比例划分为训练队列(n=150)与验证队列(n=65)。研究团队从门静脉期CT图像中提取影像组学特征构建放射组学评分(Rad-score)，并开发了五种机器学习模型。同时基于临床与CT特征，通过单因素及多因素逻辑回归分析建立了临床-CT模型，最终整合关键预测因子与Rad-score构建联合模型。

研究结果显示：脾脏-血小板比值(spleen-to-platelet ratio)、肝脏体积、脾静脉直径及肠系膜上静脉直径被确定为独立预测因子。采用六项影像组学特征构建的机器学习模型中，自适应提升(Adaptive Boosting)模型在验证队列表现出优异性能（曲线下面积AUC=0.964），而联合模型更达到最高预测精度（验证队列AUC=0.985）。该临床-CT-影像组学列线图为非侵入性预测食管静脉曲张出血风险提供了创新工具，具有显著的临床转化价值。