基于临床-影像学多维度指标预测慢阻肺急性加重住院死亡风险的预后模型构建与验证研究

《Pulmonology》：A clinical-radiological model for predicting in-hospital mortality in acute exacerbation of COPD

　　

中文摘要翻译 背景：定量计算机断层扫描（quantitative computed tomography, QCT）已成为慢性阻塞性肺疾病（chronic obstructive pulmonary disease, COPD）表型分析的有力工具。然而，其在COPD急性加重（acute exacerbations of COPD, AECOPD）中的预后价值仍未得到充分探索，且现有风险分层模型对影像学衍生指标的整合有限。本研究旨在开发并验证一个整合多维度临床变量与QCT衍生指标的预后模型，并将其对AECOPD住院死亡率的预测性能与传统临床评分进行比较。 方法：这项回顾性队列研究纳入了2010年9月至2024年10月期间因重度AECOPD住院的连续患者（年龄≥40岁），收集了人口学特征、临床特征、实验室指标及胸部CT影像数据。队列按7:3比例随机分为训练集和测试集。采用最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）回归及随后的多变量逻辑回归筛选候选预测因子。开发了四种分类模型，并通过十折交叉验证进行评估。判别性能通过受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）评估，并与传统临床评分进行比较。 结果：共纳入465例AECOPD患者，其中47例（10.1%）住院期间死亡。共识别出五个独立预测因子：意识模糊、淋巴细胞计数<0.8×109/L、慢性心力衰竭、白细胞计数≥10×109/L以及肺血管分形维数降低。逻辑回归模型表现出最佳性能，在测试集中AUC达到0.852（95% CI，0.738–0.965），显著优于其他模型和已建立的临床评分。 结论：将QCT衍生指标与临床特征整合的预测模型较传统评分改善了AECOPD住院死亡率的预测能力，支持其在个体化风险分层和管理中的应用价值。

论文解读

一、研究背景与意义

慢性阻塞性肺疾病急性加重（acute exacerbations of COPD, AECOPD）是COPD病程中的关键转折事件，通常表现为呼吸困难、咳嗽和咳痰等症状在数天至14天内持续恶化，常伴有呼吸急促或心动过速。这些发作通常由呼吸道感染、环境污染物或其他损伤性刺激引发的局部和全身炎症反应加剧所致。AECOPD与疾病快速进展、住院率增加、并发症增多及短期死亡率升高密切相关，同时给全球医疗系统带来沉重的社会经济负担。因此，在急性加重期间进行准确的早期风险分层对于指导临床管理和优化资源配置至关重要。

目前广泛使用的预后评分系统，包括CURB-65、BAP-65和DECAF，仅依赖常规临床和实验室变量，判别能力有限。尽管近年来引入了先进的统计和机器学习方法以提高预后准确性，但系统综述和荟萃分析表明，大多数现有预后模型仍严重依赖传统临床特征，对客观影像生物标志物的整合有限，从而限制了其捕捉COPD结构和病理生理异质性的能力。

高分辨率计算机断层扫描（high-resolution computed tomography, HRCT）和定量计算机断层扫描（quantitative computed tomography, QCT）的进展使得客观、可重复地评估COPD肺部结构改变成为可能。已建立的QCT指标，包括肺气肿指数（%LAA-950、Perc15）和气道壁参数（WA%、Pi10），与肺功能损害和临床表型密切相关。越来越多的证据还强调了肺血管病理在COPD中的重要性，其特征为慢性缺氧和炎症驱动的血管重塑、管腔狭窄和毛细血管床丢失。基于分形维数的肺血管量化作为反映血管复杂性和完整性的新型影像生物标志物已崭露头角，但其在COPD（尤其是急性加重期间）中的预后应用仍未得到充分探索。值得注意的是，大多数现有的基于影像的预测模型关注稳定期COPD而非急性加重期。因此，本研究将胸部QCT参数与多维度临床数据相结合，开发并验证AECOPD住院死亡率的预后模型，并与已建立的临床评分系统进行比较，以阐明影像生物标志物在AECOPD精准风险分层和个体化管理中的增量价值。

二、主要技术方法

研究人员开展了一项回顾性队列研究，连续纳入2010年9月至2024年10月期间因重度AECOPD住院的患者，共筛选654例，排除30天内再入院16例、无胸部CT者165例及CT图像质量不佳者8例，最终纳入465例进行分析。所有患者均在北京医院就诊，研究经北京医院伦理委员会批准（No. 2019BJYYEC-018–02）。胸部HRCT采用GE Revolution扫描仪在深吸气屏气下进行，无静脉造影剂。原始DICOM图像在FACT医学影像平台（神州德信医学成像技术有限公司，中国）上进行自动化定量分析，包括肺气肿负荷（%LAA-950）、气道计数（TAC、SAC、SAC/TAC比值、Pi10）以及基于卷积神经网络结合计算微分几何骨架化技术的肺动静脉分割，量化总血容量（TBV）、平均肺血管密度（PVMD）、小血管血容量比值（BV5a/TBVa、BV5v/TBVv）和肺血管分形维数（pulmonary vascular fractal dimension, PVFD）。统计分析采用链式方程多重插补（MICE，m=5）处理缺失数据，数据集按7:3随机分为训练集和测试集，使用LASSO回归筛选候选预测因子，随后进行多变量逻辑回归，开发了逻辑回归（LR）、随机森林（RF）、支持向量机（SVM）和极端梯度提升（XGBoost）四种预测模型，通过十折交叉验证优化，采用AUC、灵敏度、特异性和Brier评分评估性能，并与CURB-65、BAP-65和DECAF评分进行比较，使用DeLong检验评估AUC差异，通过SHAP分析进行模型可解释性评估并构建列线图。

三、研究结果

基线特征：465例重度AECOPD患者中，中位年龄78岁（IQR，72–83岁），男性357例（76.8%），住院期间死亡47例（10.1%）。幸存者与非幸存者在性别、年龄、BMI和吸烟状态方面无显著差异。非幸存者中慢性心力衰竭和意识模糊的患病率显著更高，影像学肺实变更常见，白细胞计数≥10×10⁹/L和淋巴细胞计数<0.8×10⁹/L的比例更高，D-二聚体水平显著升高，血清白蛋白水平降低。QCT参数中，总血容量、平均肺血管密度、肺血管分形维数和BV5v/TBVv在两组间差异显著。非幸存者更需要有创机械通气且住院时间更长。训练集（n=325）和测试集（n=140）的死亡率分别为10.5%和9.3%，无显著差异，队列平衡良好。

住院死亡率的独立预测因子：在训练集中，通过LASSO回归保留了11个变量，随后的单变量和多变量逻辑回归分析确定了五个住院死亡率的独立预测因子：合并慢性心力衰竭、意识模糊、白细胞计数≥10×10⁹/L、淋巴细胞计数<0.8×10⁹/L和肺血管分形维数。值得注意的是，PVFD在调整已建立的临床和实验室危险因素后仍与死亡率独立相关。

模型开发与性能评估：以这五个预测因子作为四种候选模型的共同输入，逻辑回归模型表现出最稳健和一致的判别性能。训练集中LR模型的AUC为0.933（95% CI，0.891–0.975），测试集中AUC为0.852（95% CI，0.738–0.965）。在训练队列中，LR模型显著优于传统临床评分DECAF（AUC=0.751）、CURB-65（AUC=0.683）和BAP-65（AUC=0.791）（均p<0.001）。在测试队列中，LR模型表现出优于其他机器学习模型和传统评分DECAF、BAP-65的预测性能，与CURB-65的差异最为显著（AUC 0.852 vs. 0.706；p=0.004，DeLong检验）。

模型解释与列线图构建：SHAP分析显示，意识模糊和淋巴细胞计数<0.8×10⁹/L是死亡风险的最强贡献因素，其次是慢性心力衰竭、白细胞计数升高和肺血管分形维数。基于最优LR模型，构建了包含这五个独立预测因子的列线图以促进个体化风险评估。在列线图中，每个预测因子被赋予与其对死亡风险贡献成比例的加权分数，总分对应住院死亡率的估计概率，便于床旁直观应用。

四、讨论与结论

本研究开发的整合常规临床变量与定量CT影像特征的多维度预后模型，在预测重度AECOPD住院死亡率方面持续优于已建立的临床评分系统，凸显了结合临床和影像生物标志物进行风险分层的增量价值。四个临床和实验室预测因子——意识模糊、淋巴细胞计数<0.8×10⁹/L、合并慢性心力衰竭和白细胞计数≥10×10⁹/L——是稳健的独立危险因素，涵盖了神经、炎症、免疫和心血管等多个互补的临床维度。肺血管分形维数作为肺微血管网络完整性的定量指标，反映了血管空间复杂性和充盈能力。在AECOPD背景下，急性缺氧、炎症和内皮功能障碍可能加剧已有的血管损伤，导致微血管复杂性进一步丧失。非幸存者表现出显著较低的PVFD值，表明肺血管分布稀疏，而幸存者表现出相对保留的血管复杂性。尽管卷积神经网络分割可能减轻严重肺气肿破坏对血管分割的影响，但仍需在重度肺气肿患者中进行专门的重复性研究以充分确立该影像生物标志物的可靠性。

研究存在以下局限性：回顾性单中心设计可能存在固有选择偏倚；165例（25.2%）无胸部CT的患者被排除，限制了模型在CT常规可用环境之外的适用性；训练集和测试集AUC值的差异可能反映轻度过拟合倾向；仅47例结局事件，模型的稳健性和泛化性仍需在前瞻性多中心队列中通过独立外部验证和更多事件数加以确认。

研究结论：将定量CT影像生物标志物与常规临床特征相结合可显著增强AECOPD的死亡率预测能力。研究结果强调了将预后模型扩展至更丰富、基于病理生理学信息的评估维度的重要性。这种多维度方法可推进精准风险分层，支持个体化管理策略，并最终减轻AECOPD相关的临床和社会负担。