文献速递胸部头颈CTPET

影像组学特征的可重复性及预后价值:一项食管癌与鼻咽癌研究

Repeatability and prognostic value of radiomic features: a study in esophageal cancer and nasopharyngeal carcinoma.
PubMed 文献 · Insights Imaging · 2025-08-02

该回顾性研究纳入234例食管癌(EC)和525例鼻咽癌(NPC)患者,采用扰动分析评估影像组学特征(RF)在不同癌种、病理区域和成像模态下的可重复性,并筛选跨癌种共享的高可重复预后特征。结果显示RF可重复性受癌种、区域和模态影响,但四个共同独立预后特征可有效分层EC和NPC患者的总生存。

要点

  • CT-based RFs在NPC中的可重复性显著高于EC(中位ICC:0.886 vs 0.806)。
  • PET-based RFs在EC中的可重复性显著高于CT-based RFs(中位ICC:0.897 vs 0.806)。
  • 四个共同独立预后特征可对EC和NPC患者进行高风险与低风险分层,生存差异显著(p < 0.05)。

核心结论

  • RF可重复性可能受癌种、病理区域和成像模态影响,而某些特征在不同癌种间保持一致的预后性能。

研究设计与样本

  • 回顾性研究纳入234例食管癌患者(CECT和PET)和525例鼻咽癌患者(CECT),来自西京医院;另纳入120例食管癌患者作为外部测试集,来自四川省肿瘤医院。
  • 肿瘤、瘤周和淋巴结区域被定义为感兴趣区,采用扰动分析通过组内相关系数(ICC)评估RF可重复性。
  • 从高可重复特征中通过C-index和冗余分析筛选EC和NPC共有的独立预后特征,并以C-index和Kaplan-Meier分析评估预后性能和泛化性。

关键影像表现/征象

  • CT-based RFs在NPC中的中位ICC为0.886,显著高于EC的0.806(p < 0.05),高可重复特征比例分别为45.0% vs 25.1%。
  • PET-based RFs在EC中的中位ICC为0.897,显著高于CT-based RFs的0.806(p < 0.05),高可重复特征比例分别为49.0% vs 25.1%。
  • CT-based瘤周特征在EC中的中位ICC与肿瘤特征相当(0.824 vs 0.806,p > 0.05),高可重复特征比例分别为27.0% vs 25.1%。
  • PET-based瘤周特征在EC中的中位ICC显著低于肿瘤特征(0.819 vs 0.897,p < 0.05),高可重复特征比例分别为28.4% vs 49.0%。
  • CT-based淋巴结特征在NPC中的中位ICC显著低于肿瘤特征(0.863 vs 0.886,p < 0.05),高可重复特征比例分别为39.3% vs 45.0%。

诊断标准与关键数值

  • 高可重复RF定义为ICC > 0.75。
  • 共同潜在预后特征定义为在EC和NPC中C-index均 > 0.50。
  • 体积依赖性通过Spearman相关系数绝对值 > 0.6排除。
  • 四个共同独立预后特征为original_shape_MeshVolume、log-5mm-glszm_GrayLevelVariance、wavelet-LHL_glcm_JointEntropy和wavelet-HLH_firstorder_Minimum。
  • 外部测试集中,original_shape_MeshVolume和wavelet-HLH_firstorder_Minimum分组的LRFS差异显著,HR分别为1.97(95%CI 1.26–3.06)和0.61(95%CI 0.39–0.95)。

临床应用与阅片要点

  • 原文未据此给出推荐。

局限性

  • 原文未报告局限性。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2025 Aug 2;16:166. doi: 10.1186/s13244-025-02044-z

引言

放射组学通过从医学图像中提取高维特征来构建疾病诊断和预后的预测模型,已成为精准医学的基石[1–3]。放射组学特征(RF)的可重复性——定义为在相同采集方案下对同一受试者进行成像时保持一致的能力[4]——对于维持模型的稳定性和泛化性至关重要。

目前对RF可重复性的研究主要集中在特定恶性肿瘤中,包括鼻咽癌(NPC)[5]、头颈癌[6]、软组织肉瘤[7]、胶质母细胞瘤[8]、宫颈癌[9]和肺癌[10]。是否可以通过一项广泛的研究确定一组普遍适用于放射组学分析的可重复RF尚不清楚。Janna等人研究并比较了肺癌(n = 27)和直肠癌(n = 40)肿瘤的RF可重复性,证明一致性有限[11]。需要更多证据来证明RF的可重复性是否具有研究特异性,不仅在不同疾病类型中,而且在不同病理区域和不同成像模式中也是如此。

RF提供肿瘤病理生理学的定量描述符[12],编码形态学、纹理和基于强度的特征,超越视觉解读[2]。通过利用机器学习和人工智能算法,放射组学可以破译复杂模式,进而促进对肿瘤异质性[1]、侵袭性[13]、治疗反应[14, 15]甚至预后[16, 17]的预测。这种多参数方法通过量化反映遗传改变、微环境相互作用和代谢活动的表型变异,增强了我们对肿瘤生物学的理解,最终丰富了我們定制精准医学策略和改善临床结局的能力。进一步探索高可重复性RF在不同癌症类型中预后能力的一致性,有可能揭示肿瘤生物学中共性和差异背后的奥秘。

重测实验通过短间隔扫描评估特征一致性,是RF可重复性的常规评估方法,已在多项研究中应用,包括宫颈癌[9]、肺癌[10]和其他疾病[18]。然而,由于资源限制和辐射暴露的担忧,短间隔扫描在临床实践中并不常见,限制了对RF可重复性的广泛研究。此外,大多数相关研究纳入的样本有限,降低了结果的稳定性和可靠性。为解决这些局限性,Zwanenburg等人提出了一种基于扰动的RF稳健性测量方法,作为重测成像的替代方案[19]。Zhang等人通过与重测方法的直接比较验证了其有效性[4]。随后在头颈癌[6]和NPC[5]中的应用已确立扰动分析作为一种可行的替代方案。

在本研究中,我们旨在利用扰动分析探索放射组学特征(RF)在不同癌症类型(食管癌(EC)/鼻咽癌(NPC))、病理区域(肿瘤/瘤周/淋巴结)和成像模态(CT/PET)间的可重复性,并进一步评估高可重复性RF预后性能的泛化性。与以往关注单一癌症类型或成像模态的研究不同,我们的工作对RF可重复性进行了全面评估,首次揭示了癌症类型、病理区域和成像模态对RF可重复性的影响。本研究可为放射组学研究提供重要的方法学参考,也为泛癌特征研究提供了新思路。

方法

患者与图像

本研究经西京医院伦理委员会批准(KY20222145-C-1),流程图见图1。由于本研究的回顾性性质,免除了知情同意的要求。为探究RF的可重复性和预后价值是研究特异性的还是可跨不同癌症类型泛化的,我们纳入了两种不同的癌症——EC和NPC,它们在形态学和病理学特征上存在差异。详细的纳入和排除标准见补充材料A1。我们最终从西京医院纳入了234例EC患者和525例NPC患者。为评估高可重复性特征的泛化性,还纳入了来自四川省肿瘤医院的120例EC患者的外部数据集。收集EC患者的局部无复发生存期(LRFS)和NPC患者的无远处转移生存期(DMFS)以评估RF的预后性能。治疗和随访流程见补充材料A2。纳入患者的临床特征和生存结局总结于表1。在图像方面,我们收集了所有EC和NPC患者的对比增强计算机断层扫描(CECT)图像,均由同一台扫描仪生成。此外,还收集了EC患者的氟-18氟脱氧葡萄糖正电子发射断层扫描(18F-FDG PET)图像。成像方案总结于补充材料A3。

图1 本研究流程图。通过在不同癌症类型、不同病理区域和不同成像模态中进行图像扰动评估RF的可重复性。通过特征可重复性、预后价值和冗余分析等步骤逐步筛选共同的独立预后特征 查看原图 ↗
表1 纳入患者的临床特征和生存结局 查看原表 ↗

图像预处理和区域分割

所有图像均经过标准化预处理。对于对比增强CT(CECT),使用统一的纵隔窗(窗宽400,窗位40)以更好地反映组织解剖信息。对于PET,图像强度归一化为按体重(kg)衰减校正后的注射活度(SUV [g/mL])。所有图像使用B样条插值重采样至1×1×1 mm³。肿瘤区域由一名具有5年经验的放射科医师使用ITK-SNAP软件手动分割,并由两名具有10年经验的放射科医师校正。瘤周区域和淋巴结在癌症研究中具有预后相关性[20, 21],也进行了分割。所有放射科医师在分割过程中对临床病史、病理诊断和治疗结局严格设盲。瘤周区域和淋巴结的详细勾画标准和方法见补充材料A4。

放射组学特征提取

按照图像生物标志物标准化倡议[22]的指南,使用PyRadiomics(版本3.0.1)从每幅图像中提取了共1316个放射组学特征。具体而言,从原始图像、5幅拉普拉斯-高斯(LoG)滤波图像和8幅小波滤波图像中计算了18个一阶特征和75个纹理特征,特征提取前以固定箱数128进行离散化。还从原始图像中提取了14个形状特征。为评估离散化对放射组学特征可重复性的影响,测试了额外的箱数(8、16、32和64)。特征提取参数列于表S1。

放射组学特征可重复性评估

放射组学特征可重复性通过图像扰动评估,方法如Zwanenburg等[19]所提出。随机生成20幅扰动图像,并重新计算放射组学特征。放射组学特征可重复性使用单向随机组内相关系数(ICC)量化,值越高表示可重复性越好。详细扰动参数和ICC计算公式分别见补充材料A5和表S1。

放射组学特征可重复性比较

使用Spearman相关和Mann–Whitney U检验评估不同癌症类型、病理区域和成像模态间放射组学特征可重复性的一致性和差异。还评估了离散化和图像预处理对可重复性的影响。

食管癌(EC)和鼻咽癌(NPC)共有的独立预后放射组学特征

参照可靠性方法学指南以及既往放射组学研究确立的该阈值以确保对图像扰动的稳健性[18, 23–28],ICC > 0.75的放射组学特征被认定为高度可重复。基于其在EC和NPC中均具有预后性能(一致性指数(C-index)> 0.50),筛选出共有的高可重复性特征。考虑到肿瘤体积与预后之间的相关性,采用Spearman相关系数的绝对值量化每个特征与网格体积之间的体积相关性,并以0.6为阈值排除体积依赖特征[6, 29, 30]。对体积无关特征进一步使用Kaplan–Meier分析和log-rank检验进行评估。进行特征冗余分析以识别独立预后特征。方法学细节见补充材料A6。

放射组学特征泛化性评估

为评估高度可重复的放射组学特征(RFs)是否在跨机构间表现出更优的泛化性,采用西京医院的234例EC患者(训练集)评估RFs预测LRFS的性能,并以四川省肿瘤医院的120例EC患者作为外部测试数据集。采用C-index和Kaplan–Meier分析评估预后性能和泛化性。方法学细节见补充材料A7。

放射组学质量评分(RQS)的评估

使用在线工具(https://www.radiomics.world/rqs)计算RQS [3],以评估本研究的方法学严谨性和报告标准。

结果

RFs的可重复性在癌症类型、病理区域和成像模态之间表现出显著差异。值得注意的是,NPC中基于CT的RFs显示出优于EC的可重复性(中位ICC:0.886 vs 0.806,p < 0.05,图2A),高度可重复特征的比例接近翻倍(45.0% vs 25.1%,图2B)。这一模式延伸至成像模态,EC中基于PET的RFs表现出显著高于基于CT特征的可重复性(中位ICC:0.897 vs 0.806,p < 0.05,图2D),高度可重复特征分别为49.0% vs 25.1%(图2E)。虽然EC中基于CT的瘤周特征表现出与肿瘤特征相当的可重复性(中位ICC:0.824 vs 0.806,p > 0.05,图2G)和高度可重复特征比例(27.0% vs 25.1%,图2H),但PET瘤周RFs在ICC值(中位ICC:0.819 vs 0.897,p < 0.05,图2J)和高度可重复特征比例(28.4% vs 49.0%,图2K)两方面均显示显著降低。同样,NPC淋巴结特征相比原发肿瘤表现出降低的可重复性(中位ICC:0.863 vs 0.886,p < 0.05,图2M),高度可重复特征分别为39.3% vs 45.0%(图2N)。尽管不同癌症类型、不同病理区域和不同成像模态的RF可重复性之间存在差异,但特征可重复性显著相关(Bonferroni校正p < 0.05,图2C、F、I、L、O)。

为验证bin计数值、滤波器和特征类别对RF可重复性的影响,各成像数据集中不同bin计数、不同滤波器和不同特征类别的RFs平均ICC值如图3热图所示。总体而言,经LoG滤波处理和较大bin计数处理的图像的一阶特征可重复性较高,而经小波滤波处理和较小bin计数处理的图像的纹理特征可重复性较低。在放射组学工作流程中,应用特定bin计数进行强度离散化以提取特征。因此,我们进一步比较了bin计数值8、16、32、64和128对特征可重复性的影响(图S1)。使用较大bin计数处理的图像的RFs表现出更高的可重复性。此外,图像预处理改善了NPC中基于CT的肿瘤的RF可重复性(中位ICC:0.886 vs 0.822,p < 0.05),详情见图S2。

评估了797个常见高重复性放射组学特征(RFs)在EC和NPC中ICC > 0.75的预后性能,并进一步筛选出727个C-index > 0.50的RFs作为常见潜在预后特征,其中包括606个体积依赖型RFs和121个体积非依赖型RFs(图4)。体积依赖型RFs的预后性能高于体积非依赖型RFs(中位C-index:EC中0.62 vs 0.57,NPC中0.61 vs 0.55,Mann–Whitney U检验:p < 0.05)。除网格体积外,进一步筛选出9个常见体积非依赖型预后RFs。这些特征在EC和NPC中的相关性分析结果显示,部分特征高度相关(|r| > 0.6,图S3)。连同网格体积,独立预后特征见表2。EC和NPC的常见独立预后特征包括original_shape_MeshVolume、log-5mm-glszm_GrayLevelVariance、wavelet-LHL_glcm_JointEntropy和wavelet-HLH_firstorder_Minimum。按各常见独立预后特征的中位数划分的高危组和低危组的生存曲线见图5,EC患者的LRFS和NPC患者的DMFS差异显著。C-index和风险比(HR)见表2。

总共使用西京医院234例EC患者和四川省肿瘤医院120例EC患者来评估高重复性特征是否具有更好的泛化性。高重复性RF组和低重复性RF组的RFs在训练集和测试集中的预后性能见图S4A、B。与低重复性RF组相比,高重复性RF组具有更好的预后性能(中位C-index:训练集中0.614 vs 0.578,测试集中0.603 vs 0.562,p < 0.05)。值得注意的是,高重复性组具有更稳定的泛化性(中位|△C-index|:0.022 vs 0.029,p < 0.05)。此外,外部测试集也按训练集中独立预后特征的中位数分为高危组和低危组(图S5)。按original_shape_MeshVolume和wavelet-HLH_firstorder_Minimum划分的两组LRFS差异显著(HR [95%置信区间(CI)]:1.97 [1.26–3.06]和0.61 [0.39–0.95])。

详细计算过程及相应RQS见表S2。36分达到100%评分,本研究的RQS为11。

图2 不同癌症类型、成像模态和病理区域间RF重复性的比较。A–C EC和NPC中基于CT特征的RF重复性比较。D–F EC中基于CT和PET特征的RF重复性比较。G–I 基于CT的EC中肿瘤区域和瘤周区域间RF重复性比较。J–L 基于PET的EC中肿瘤区域和瘤周区域间RF重复性比较。M–O 基于CT的NPC中肿瘤区域和淋巴结区域间RF重复性比较。 查看原图 ↗
图3 按箱计数数值、图像滤波器和特征类别分组的RFs平均ICC,针对不同癌症类型、不同成像模态和不同病理区域。第一列的热图显示分组RFs的平均ICC,这些RFs提取自EC中CT的肿瘤(A)、EC中PET的肿瘤(B)和NPC中CT的肿瘤(C)。第二列的热图显示分组RFs的平均ICC,这些RFs提取自EC中CT的瘤周(D)和PET的瘤周(E),以及NPC中的淋巴结(F) 查看原图 ↗
图4 EC和NPC中常见潜在预后RFs的预后性能。体积依赖型RFs的预后性能高于体积非依赖型RFs 查看原图 ↗
表2 EC和NPC中独立预后特征列表 查看原表 ↗
图5 EC和NPC中常见独立预后特征的Kaplan–Meier生存分析。按每个常见独立预后特征的中位数划分的高风险组和低风险组的生存曲线在EC患者的LRFS(A–D)和NPC患者的DMFS(E–H)方面差异显著 查看原图 ↗

讨论

本研究全面评估了RFs在不同癌症类型(EC和NPC)、病理区域(肿瘤、瘤周和淋巴结)和成像模态(CT和PET)中的可重复性和预后价值。关键发现表明,RF可重复性受癌症类型、病理区域和成像模态的影响,而某些特征在不同癌症类型中保持一致的预后性能。这些发现为放射组学模型的泛化性及其在多癌种预后建模中的潜在应用提供了有价值的见解。

以往关于RF可重复性的研究主要集中于单一癌症类型,限制了其发现的泛化性。例如,Zhang等[5]和Fiset等[9]的研究分别探讨了NPC和宫颈癌中RF的可重复性,但未在不同癌症类型之间进行比较。Janna等通过对直肠癌和肺癌患者CT扫描的测试–再测试分析探讨了放射组学特征的稳定性,强调需要针对特定疾病进行评估以识别稳健特征[11]。由于其研究中硬件、扫描采集和重建设置、疾病部位以及扫描时间间隔同时存在差异,难以独立评估各因素对特征可重复性的影响。在本研究中,我们控制了扫描仪变量,以揭示EC和NPC之间RF可重复性的差异。

我们的研究结果表明,CT中瘤周放射组学特征(RFs)的可重复性优于瘤内特征,这与Tunali等人[31]的既往研究一致,他们将此现象归因于瘤周区域相对均匀的微环境与肿瘤核心固有异质性之间的差异。然而,在PET成像中观察到的相反趋势值得进一步探讨。这种差异可能源于成像物理学和生物学关联方面的根本差异:CT主要反映解剖密度变化,而PET量化代谢活性。在肿瘤中,核心内部的代谢异质性(如高代谢灶)可能因标准化摄取值(SUV)归一化方案而 paradoxically 增强PET特征稳定性,而PET中的瘤周区域常包含代谢性质不明确的区域(如坏死、炎症活动或微观浸润),放大了测量变异性。这些模态特异性差异凸显了情境感知放射组学建模的重要性,并强调了需要针对成像模态量身定制的标准化预处理流程。

在本研究中,我们评估了不同 bin 计数、不同滤波器及不同特征类别对不同癌症类型、不同病理区域和不同成像模态中 RF 可重复性影响的一致性。减少 bin 计数可能因灰度矩阵尺寸减小而放大纹理特征的差异[5]。Wichtmann 等人指出,MRI 至少应采用 32 个 bin,而强度离散化至 64 个 bin 可能很少带来更可重复的特征[32]。此外,过大的 bin 计数可能引入过多噪声。我们还探讨了 bin 计数对 PET 和 CT 不同区域 RF 可重复性的影响,为具体研究提出了合理选择。经高通滤波器小波滤波提取的特征在各数据集中的可重复性始终较差,因为这些特征主要保留图像的高频成分,如边缘和纹理细节,这些成分对图像的微小变化高度敏感,从而降低了相关特征的可重复性[11, 31]。相反,LoG 滤波凭借其先平滑后增强的特性,有效减轻了噪声干扰,从而获得更稳定的特征提取。特别是随着尺度参数(sigma)的增大,图像经历更强的平滑处理,增强了对噪声和微小变化的鲁棒性[33]。与关注图像全局灰度分布的一阶特征相比,纹理特征分析像素间关系,对局部变化和噪声敏感,导致特征可重复性较差。这些一致的发现为既往研究提供了更广泛的验证。

本研究提供证据表明,高可重复性保证了预后特征的外部可推广性,并进一步揭示高可重复的放射组学特征(RFs)可能具有跨癌种的预后性能。在机器学习中,过拟合是指模型在训练数据上表现良好但在新数据上性能下降的现象,通常是由于模型过度学习了训练数据中的噪声或偶然性。具有高可重复性的特征可以为面临相同临床情况的患者或不同医疗机构之间提供一致的信息,这意味着这些特征较少受到随机图像噪声的影响。因此,使用高可重复性特征可以减少对训练数据中特定噪声或细节的过度依赖的可能性,从而降低过拟合的风险。由于在不同条件下的一致性,高可重复性特征不仅有助于模型学习更通用的规律,还能减少偶然因素导致的误判,这是实现模型对新数据和新环境可推广性的关键。我们的结果与既往研究一致,表明高可重复的RFs增强了模型的可推广性[4–6]。

值得注意的是,我们在EC和NPC中识别出几个具有高度可重复性且预后能力一致的特征。这些特征可能涉及在多种肿瘤类型中普遍存在的肿瘤生物学核心机制,因而具有广泛的预测价值。体积是EC和NPC的重要独立预后因素,反映了肿瘤的整体状况。Chang等提出,肿瘤体积对NPC预后的影响大于T分期[34]。Kang等也认为,基于CT成像的肿瘤体积在预测非手术EC患者预后方面优于反映肿瘤浸润深度的T分期[35]。肿瘤尺寸越大,肿瘤细胞负荷越重,瘤内血流紊乱越多,缺氧细胞也越多。这些因素可能影响治疗效果,导致局部疾病失控或治疗后复发,从而影响长期生存。鼓励通过放射基因组学进一步评估这些预后特征在不同癌症类型中的生物学意义。我们的结果还表明,体积依赖型RFs的预后表现显著高于体积非依赖型RFs。这一观察与Traverso等的发现一致[36],他们报告体积相关RFs在肺癌和头颈癌预后模型中起主导作用,而体积非依赖型RFs缺乏足够的独立预后能力。某些基于形状的特征(如SurfaceArea)本质上量化了肿瘤的尺寸特征,可作为肿瘤体积的精细测量指标。尽管具有临床价值,这些特征除常规大小评估外可能并未提供大量新的生物学信息。值得注意的是,一些与体积相关的纹理特征(如LargeAreaEmphasis)可能通过捕捉跨肿瘤体积的空间异质性模式或区域微环境变化来编码额外的生物学信息。此类特征可能代表体积信息与纹理信息的融合,其中肿瘤大小作为空间异质性模式的支架。此外,体积非依赖型特征通过检测局部生物学过程而保留其价值,其与体积依赖型特征的整合通过互补的肿瘤表征提供更全面的预后信息。

本研究存在若干局限性。第一,尽管扰动分析是重测成像的一种可行替代方法,但扰动可能无法完全捕捉临床实践中遇到的所有真实世界变异性。第二,虽然实验设计在相同成像条件下评估了RFs的可重复性,但其在异质性临床环境中的重现性仍有待验证。第三,我们的数据集在患者人口学特征(如年龄、性别和民族分布)方面缺乏多样性,这可能限制了我们研究结果在不同人群中的普适性。最后,尽管RQS评分为11与EC领域现有影像组学研究的平均质量(9.07)[37]相符,但未来工作中有若干方面需要改进:(1)多变量整合:将RFs与已确立的预后因素(例如TNM分期)相结合,以开发整体性预测系统;(2)生物学解释:通过影像基因组学探索稳定RFs与潜在基因-蛋白表达模式之间的关联,以加深对影像组学和生物学的理解;(3)临床验证:开展前瞻性试验,以提供最高水平的证据支持影像组学生物标志物的临床有效性和实用性。这些改进将提供高质量的影像组学生物标志物,并使影像组学模型从研究工具转变为临床可操作的决策支持系统。

结论

在本研究中,我们发现RF的可重复性在癌症类型、成像模态和病理区域之间表现出显著异质性,而某些特征无论肿瘤来源如何均表现出稳健的预后普适性。这些发现强调,在针对特定临床或研究目标的影像组学实践中,系统评估RF可重复性不仅是必要步骤,而且对于确保预后特征跨中心和跨疾病的普适性至关重要。本研究推进了影像组学在多样临床场景中的通用性和实用性,促进了精准医学的发展。

补充信息

电子补充材料

引用

  1. Gong J, Meng F, Liu C, et al. Repeatability and prognostic value of radiomic features: a study in esophageal cancer and nasopharyngeal carcinoma. Insights Imaging. 2025. PMID: 40751118. doi:10.1186/s13244-025-02044-z
  2. 全文:PMC12316612(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12316612/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。