基于CT深度学习整合胰腺影像与身体成分预测急性胰腺炎严重程度
本研究回顾性纳入两中心536例急性胰腺炎患者,构建基于非增强CT的3D胰腺深度学习模型和L3层面2D VAT/SM模型,联合临床变量建立组合模型。组合模型在训练集、内部测试集和外部测试集的AUC分别为0.897、0.909和0.910,优于胰腺-临床模型和BISAP,身体成分特征提供增量预测价值。
要点
- 组合模型在外部测试集AUC达0.910,优于BISAP的0.772,可用于早期风险分层。
- 身体成分(L3层面VAT和SM)深度学习特征可补充胰腺影像和临床变量的预测信息。
- 模型基于常规非增强CT,无需额外检查,便于临床转化。
核心结论
- 基于CT的深度学习模型整合胰腺影像、身体成分和临床变量,对急性胰腺炎严重程度预测表现出良好性能。
- 组合模型在训练集、内部测试集和外部测试集的AUC分别为0.897、0.909和0.910,均高于BISAP。
- NRI和IDI分析证实身体成分特征具有增量预测价值。
研究设计与样本
- 回顾性双中心研究,纳入536例急性胰腺炎患者,中心1的426例随机分为训练集298例和内部测试集128例,中心2的110例为外部测试集。
- 使用非增强CT图像,手动勾画胰腺实质,自动分割L3层面VAT和SM,构建3D ResNet18胰腺模型和2D ResNet18 VAT/SM模型。
- 参考标准为2012年修订Atlanta分类,将患者分为轻度(MAP)和严重(MSAP/SAP)两组。
- 构建临床、胰腺、VAT、SM、胰腺-临床(PC)和组合共6个模型,采用ROC、DeLong检验、校准曲线、DCA、NRI和IDI评估。
关键影像表现/征象
- Grad-CAM显示严重病例在胰腺和VAT区域的激活范围比轻度病例更广泛。
- SHAP分析显示临床、SM、VAT和胰腺特征均对模型预测有贡献。
- 模型预测概率从MAP到MSAP再到SAP呈阶梯式升高。
- 组合模型区分SAP与非SAP的AUC为0.830。
诊断标准与关键数值
- 组合模型在训练集、内部测试集和外部测试集的AUC分别为0.897(95% CI: 0.862-0.932)、0.909(95% CI: 0.861-0.958)和0.910(95% CI: 0.856-0.964)。
- 组合模型在训练集和外部测试集优于PC模型(p=0.002和p=0.020),内部测试集无差异(p=1.000)。
- 内部测试集NRI为0.791(95% CI: 0.464-1.096; p<0.001),IDI为0.072(95% CI: 0.024-0.116; p=0.003)。
- 外部测试集NRI为0.777(95% CI: 0.419-1.128; p<0.001),IDI为0.108(95% CI: 0.054-0.165; p<0.001)。
- 组合模型AUC高于BISAP:训练集0.897 vs 0.749,内部测试集0.909 vs 0.745,外部测试集0.910 vs 0.772(DeLong检验p<0.001、p<0.001、p=0.006)。
临床应用与阅片要点
- 可利用常规非增强CT进行机会性身体成分评估,无需额外扫描。
- 模型输出可辅助早期识别可能进展为MSAP/SAP的患者,指导个体化监测。
- Grad-CAM可帮助判断模型关注区域是否解剖合理,SHAP可解释个体化风险驱动因素。
- 需注意VAT模型捕捉的是综合影像信号,包括内脏脂肪负荷和AP相关炎症改变,而非单纯脂肪量。
局限性
- 回顾性设计可能引入选择偏倚。
- 外部测试仅来自同一国家,推广至其他人群受限。
- 两中心CT采集方案不同(扫描仪厂商和重建层厚),可能影响3D胰腺模型的外部泛化。
- 样本量有限可能降低部分估计的稳定性。
全文中译16 节 · 点击展开
引言
急性胰腺炎(AP)是一种常见的胃肠道炎症性疾病,其临床结局差异很大[1]。尽管大多数患者经历轻度且自限性的病程,但约15%–20%进展为中度重症急性胰腺炎(MSAP)或重症急性胰腺炎(SAP),这些与持续性器官衰竭、局部并发症、住院时间延长和死亡率增加相关[2]。因此,早期识别有重症风险的患者的对于优化临床管理和指导监测策略至关重要。
已开发了多种用于AP严重程度预测的临床评分系统,包括Ranson评分、急性生理学和慢性健康状况评价II(APACHE II)以及急性胰腺炎床旁严重程度指数(BISAP)。然而,许多此类工具需要多个临床变量和相对复杂的计算,这限制了其在早期风险分层中的临床可用性[3–5]。基于影像学的评分系统如计算机断层扫描严重程度指数(CTSI)和改良CTSI主要依赖于使用增强CT对胰腺坏死和局部并发症的形态学评估。由于这些形态学改变在症状发作后最初72小时内可能尚未完全形成,基于常规CT的评分系统在早期风险分层中的效用可能有限[6]。
AP不仅涉及胰腺损伤,还涉及胰周脂肪受累和全身炎症反应,两者均促进疾病进展[7]。因此,CT衍生的身体成分可能提供超越胰腺形态学的补充影像信息。既往研究表明,内脏脂肪组织(VAT)和骨骼肌(SM)与AP严重程度和预后相关[8–14]。由于腹部计算机断层扫描(CT)在AP患者中常规进行,这些身体成分指标可通过机会性评估获得,无需额外影像检查。然而,既往研究主要依赖手动测量或简单的面积和密度参数,可能无法充分捕捉复杂的影像模式或空间异质性。因此,需要更先进的自动化定量方法以更好地表征与疾病严重程度相关的CT衍生身体成分。
人工智能的最新进展,特别是深度学习(DL),使得能够自动提取超越传统定量测量的复杂影像特征。多项研究表明,基于CT的DL模型可通过捕捉传统方法可能无法检测到的空间模式和影像异质性来改善AP的风险预测[15–17]。然而,大多数现有的AP深度学习研究主要仅关注胰腺影像特征,而身体成分等可能反映宿主炎症反应和生理储备的系统性因素仍相对未被充分探索。此外,将胰腺影像特征与CT衍生身体成分信息整合的潜在增量价值尚未被充分研究。因此,本研究旨在通过整合胰腺影像、CT衍生身体成分和临床变量,开发并验证一种基于深度学习的CT模型用于AP严重程度预测。
材料与方法
患者
这项回顾性双中心研究经首都医科大学宣武医院伦理委员会(2020-092)和重庆市人民医院伦理委员会(KY S2024-070-01)批准,因回顾性设计而豁免知情同意要求。共从两个三级中心连续回顾性纳入536例AP患者。在中心1,筛查了2021年1月至2025年9月间连续诊断的531例AP患者,最终426例纳入主要数据集,并随机分为训练集(n = 298)和内部测试集(n = 128)。在中心2,筛查了2023年1月至2024年9月间连续诊断的178例AP患者,最终110例纳入作为外部测试集。数据划分在患者层面进行,训练集、内部测试集和外部测试集之间无患者重叠。
两个中心采用相同的纳入和排除标准。纳入标准为:(a)首次发作的AP;(b)症状发作后72小时内行腹部CT检查;(c)年龄≥18岁。排除标准为:(a)创伤或手术所致的AP;(b)伴有肿瘤性病变的AP;(c)临床资料不完整;(d)CT图像不完整或质量不佳。AP依据既定诊断标准进行诊断(附录S1)。入组流程图见图1。本研究按照医学影像人工智能清单(CLAIM 2024)进行报告,完整的清单见补充材料。
患者分组标准
根据2012年修订版亚特兰大分类,患者被分为轻度急性胰腺炎(MAP)、中度重症急性胰腺炎(MSAP)或重症急性胰腺炎(SAP)[18]。详细定义见附录S1。AP严重程度在索引住院完成后根据住院期间达到的最高严重程度进行回顾性判定。为进行模型开发,患者随后被分为轻度组(MAP)和重症组(MSAP/SAP)。
临床数据收集与临床模型构建
从医院信息系统收集的临床变量包括性别、年龄、白细胞(WBC)、中性粒细胞与淋巴细胞比值(NLR)、血细胞比容、血小板、C反应蛋白(CRP)、D-二聚体、白蛋白、肌酐、甘油三酯、钙、降钙素原(PCT)、糖尿病及AP病因。单因素分析中与重症组相关的变量纳入多因素logistic回归,以确定独立预测因子用于临床模型构建。
CT检查与图像预处理
所有胰腺和身体成分分析均使用平扫CT(NCCT)图像。详细的CT采集方案和预处理参数见附录S1。胰腺实质由放射科医师A(具有4年腹部影像经验)使用ITK-SNAP(版本3.8)手动勾画。对于身体成分分析,选择第三腰椎椎体水平(L3水平)的轴位CT层面,使用我们前期工作中开发的开源TSPC.PyQt5工具自动分割内脏脂肪(VAT)和骨骼肌(SM),随后进行手动校正[19, 20]。该软件可在https://github.com/czifan/TSPC.PyQt5公开获取。
为评估可重复性,在初次分割后1个月随机选取30例病例。放射科医师A和放射科医师B(具有6年腹部影像经验)在彼此不知晓对方结果及临床结局的情况下,独立进行分割精修和胰腺勾画。采用Dice相似系数(DSC)、第95百分位Hausdorff距离(HD95)和平均表面距离(ASD)评估可重复性。
2D和3D深度学习(DL)模型构建与特征提取
整体工作流程见图2,详细实施参数及选择ResNet18的依据见附录S1。对于身体成分分析,使用L3层面的轴位平扫CT(NCCT)图像构建内脏脂肪(VAT)和骨骼肌(SM)模型。将分割的兴趣区(ROI)调整为224 × 224像素,并在训练集上微调预训练的ResNet18架构。从倒数第二层平均池化层提取二维DL特征。对于胰腺建模,将从NCCT图像获得的手动分割胰腺ROI裁剪并调整为128 × 128 × 32体素。微调预训练的3D ResNet18架构以提取体积DL特征。
模型构建
共构建六种模型:临床模型、胰腺模型、VAT模型、SM模型、胰腺-临床(PC)模型和联合模型。PC模型将胰腺DL特征与筛选出的临床预测因素相结合,而联合模型整合了胰腺DL特征、身体成分DL特征和临床预测因素。对于基于DL的模型,输入特征采用z分数归一化进行标准化,随后使用最小绝对收缩和选择算子(LASSO)进行特征选择。使用梯度加权类激活映射(Grad-CAM)和SHapley加法解释(SHAP)进行可解释性分析[21, 22]。
模型比较
比较临床模型、胰腺模型、VAT模型、SM模型、PC模型和联合模型。采用受试者工作特征(ROC)曲线分析和曲线下面积(AUC)评估判别性能,并使用DeLong检验比较差异。还计算了准确率、敏感度、特异度、阳性预测值、阴性预测值和F1分数。为将所提出的模型与既有临床评分系统进行基准比较,额外计算BISAP,并在训练集、内部测试集和外部测试集中与联合模型进行比较。BISAP计算的详细信息见附录S1。校准曲线评估预测概率与观察概率之间的一致性,决策曲线分析(DCA)评估临床效用。计算净重分类改善(NRI)和综合判别改善(IDI)以评估身体成分特征的增量价值。
统计分析
统计分析使用R软件(版本4.3.0)进行。正态分布的连续变量以均值±标准差表示,并采用单因素方差分析在三个数据集间进行比较。非正态分布的变量以中位数(四分位距)表示,并采用Kruskal–Wallis检验进行比较。分类变量采用卡方检验或Fisher确切检验进行比较。
结果
基线特征
共筛查709例急性胰腺炎(AP)患者,其中173例被排除,原因包括创伤或手术相关AP(40例)、肿瘤性病变(85例)、临床资料不完整(34例)以及CT图像不完整或质量不佳(14例)(图1)。最终研究人群包括536例患者(平均年龄50岁±16[标准差];男性360例,女性176例),其中主要数据集426例,外部测试集110例。主要数据集被随机分为训练集(n=298)和内部测试集(n=128)。重症组(中度重症急性胰腺炎(MSAP)和重症急性胰腺炎(SAP))患者的分布如下:训练集298例中168例(56.4%);内部测试集128例中71例(55.5%);外部测试集110例中69例(62.7%)(表1)。三个数据集间在年龄(p=0.035)、血小板计数(p=0.018)、C反应蛋白(CRP)(p<0.001)、D-二聚体(p<0.001)、甘油三酯(p<0.001)、降钙素原(PCT)(p<0.001)和病因(p<0.001)方面观察到差异,而其他基线变量无显著差异(均p>0.05)(表1)。分割可重复性结果总结于表S1。
预测模型性能比较
多因素logistic回归分析后,CRP(95%置信区间(CI):1.002–1.008,p=0.004)和甘油三酯(95%CI:1.001–1.082,p=0.047)与重症组独立相关(表2)。临床模型在训练集、内部测试集和外部测试集中的曲线下面积(AUC)分别为0.729(95%CI:0.672–0.787)、0.722(95%CI:0.633–0.811)和0.712(95%CI:0.604–0.819)。
表3总结了所有模型的性能。在单源模型中,胰腺模型显示的AUC高于临床、内脏脂肪(VAT)和骨骼肌(SM)模型。胰腺-临床(PC)模型显示的AUC高于胰腺模型和临床模型。联合模型在训练集和外部测试集中实现了最高的AUC,分别为0.897(95%CI:0.862–0.932)和0.910(95%CI:0.856–0.964)。在内部测试集中,联合模型和PC模型实现了相同的AUC,均为0.909。
联合模型的预测能力
联合模型的受试者工作特征(ROC)曲线见图3,详细性能指标包括准确率、灵敏度、特异度、阳性预测值(PPV)和阴性预测值(NPV),总结于表3。DeLong比较显示,联合模型与PC模型在训练集(AUC,0.897 vs 0.856;p=0.002)和外部测试集(AUC,0.910 vs 0.851;p=0.020)中存在差异,但在内部测试集中无差异(AUC,0.909 vs 0.909;p=1.000)(表S2–S4)。
DCA显示,在所有数据集中,大多数阈值概率下,联合模型的净获益均高于全治疗和全不治疗策略(图4A–C)。校准曲线显示,训练集、内部测试集和外部测试集中预测概率与观察概率之间具有一致性(图4D–F)。
为进一步评估身体成分特征的增量价值,进行了NRI和IDI分析(图4G)。在内部测试集中,NRI为0.791(95% CI:0.464–1.096;p < 0.001),IDI为0.072(95% CI:0.024–0.116;p = 0.003)。在外部测试集中,NRI为0.777(95% CI:0.419–1.128;p < 0.001),IDI为0.108(95% CI:0.054–0.165;p < 0.001)。联合模型在训练集(0.897 vs 0.749)、内部测试集(0.909 vs 0.745)和外部测试集(0.910 vs 0.772)中的AUC也均高于BISAP,DeLong检验证实差异具有统计学意义(训练集,p < 0.001;内部测试集,p < 0.001;外部测试集,p = 0.006)。详细的诊断性能指标见表S5。联合模型在训练集、内部测试集和外部测试集中的混淆矩阵见表S6。
亚组分析结果见图S1。各模型中,模型衍生的预测概率总体上从MAP到MSAP再到SAP呈升高趋势,详细的两两比较见图S2。在区分SAP与非SAP病例方面,联合模型的AUC为0.830(图S3)。
模型可解释性
Grad-CAM和SHAP结果见图5。Grad-CAM显示轻症与重症病例之间具有不同的激活模式,与轻症病例相比,重症病例在胰腺和内脏脂肪(VAT)区域内的激活更广泛。SHAP显示临床、骨骼肌(SM)、VAT和胰腺特征对模型预测的贡献。
讨论
本研究开发并验证了一种基于CT的深度学习(DL)模型,该模型整合了胰腺影像、CT衍生的身体成分和临床变量,用于急性胰腺炎(AP)的严重程度预测。联合模型在所有数据集上均取得了最佳性能,证明了多源信息的互补价值。值得注意的是,联合模型的模型衍生预测概率从轻症急性胰腺炎(MAP)到中度重症急性胰腺炎(MSAP)再到重症急性胰腺炎(SAP)呈阶梯式升高,表明模型输出与临床严重程度梯度相关。重要的是,该方法利用常规获取的CT数据,无需额外检查,支持其临床应用的潜力。与BISAP相比,联合模型在所有三个数据集上 también 显示出持续更高的AUC,进一步支持了CT衍生的多源影像特征超越传统早期临床评分的额外判别价值。与近期发表的基于CT或包含CT的DL用于AP严重程度预测的研究的比较见补充表S7。本研究的主要贡献是在多源DL框架内整合了胰腺影像、CT衍生的身体成分和临床变量。
在CT上于L3层面测量的身体成分,由于其标准化的解剖位置和良好的可重复性,被广泛接受为全身肌肉和脂肪组织分布的替代标志物[23]。在本研究中,令人满意的观察者间和观察者内一致性进一步支持了基于CT的身体成分评估的稳健性。身体成分也日益被认为是影响急性胰腺炎(AP)临床病程的重要因素。内脏脂肪组织(VAT)可能通过释放促炎介质和游离脂肪酸加重胰腺损伤,而骨骼肌(SM)则反映代谢储备和对全身炎症应激的耐受性。Tan等[24]近期的一项系统综述表明,CT定量的VAT与AP严重程度和并发症增加相关,而Xie等[25]报道VAT增加和较高的内脏脂肪与肌肉比值与更严重的疾病相关。使用替代身体成分指标,Horibe等[26]显示CT衍生的身体成分z评分与AP严重程度相关,Kirzhner等[27]证明腰大肌指数和密度降低与更差的临床结局相关。然而,这些研究主要依赖预定义的影像学参数或简单的基于面积的身体成分指标,可能无法完全捕捉与疾病严重程度相关的复杂影像学特征。与传统方法相比,深度学习(DL)能够从CT图像中提取高维影像学特征,并可能捕捉视觉评估之外的细微影像学模式。应当注意,AP中VAT衍生的DL特征可能不仅代表既存的内脏肥胖。在本研究中,VAT使用分割的L3层面VAT感兴趣区(ROI)而非全腹部CT图像进行分析,这减少了胰周积液和其他非VAT结构的直接影响。然而,AP相关的炎症改变仍可能影响VAT区域内的影像学模式并 contribute 于模型预测。因此,VAT模型应被解释为捕捉反映内脏脂肪负荷、VAT区域内影像学模式以及AP相关炎症改变的综合影像学信号,而非单纯作为VAT量的测量。
由于AP严重程度受局部胰腺损伤和全身炎症-代谢反应的双重影响,将胰腺影像与身体成分相结合可能提供对疾病严重程度更全面的评估[7]。在本研究中,DL模型分别使用胰腺区域和L3层面身体成分图像独立开发,能够同时表征局部胰腺损伤和全身宿主状态。与这一概念一致,胰腺模型显示出比临床模型和单一身体成分模型更高的判别性能,强调了直接表征胰腺损伤的重要性。此外,联合模型表现出优于两个单源模型和PC模型的性能,表明身体成分提供了超越胰腺影像和临床生物标志物之外的补充预测信息。这些发现支持多源基于DL的CT分析在AP基于影像的风险分层中的潜在价值。
在临床变量中,CRP和甘油三酯被确定为本研究中的重要预测因素。CRP是一种急性期蛋白,由肝脏响应白细胞介素-6等炎性细胞因子而合成,反映全身炎症反应的程度。在本研究中,较高的CRP水平与归属重型组的风险增加独立相关,这与既往报道炎症生物标志物与疾病严重程度相关性的研究一致[28, 29]。甘油三酯也被确定为重要因素,因为高甘油三酯血症是急性胰腺炎(AP)公认的病因之一,并可能通过生成毒性游离脂肪酸和放大炎症反应而加重胰腺损伤[30, 31]。因此,将这些实验室指标与影像学特征共同纳入,可能通过反映全身炎症状态和代谢危险因素而提供互补信息。这些发现进一步支持将临床生物标志物与多源影像学特征整合,以更全面地评估AP疾病严重程度的价值。
Grad-CAM和SHAP提供了互补的可解释性信息。Grad-CAM通过突出对模型预测有贡献的图像区域,提供空间层面的解释。重型病例中胰腺和内脏脂肪组织(VAT)区域更广泛的激活,与胰腺模型更优的性能以及VAT衍生信息的附加价值相一致。相比之下,SHAP通过估计临床特征和深度学习(DL)衍生特征的相对贡献,提供特征层面的解释。SHAP分析中CRP和甘油三酯的重要性与多变量临床分析一致,并支持将炎症和代谢生物标志物与影像学特征整合。在临床上,Grad-CAM可能有助于评估模型关注区域在解剖学上是否合理,而SHAP可能有助于识别驱动个体化风险预测的特征。总之,这些方法提高了所提出DL模型的透明度和临床可接受性。
本研究存在若干局限性。第一,尽管纳入了来自两个中心的连续患者,但回顾性设计可能引入选择偏倚。第二,虽然进行了外部测试,但所有患者均招募自同一国家内的机构,这可能限制对其他人群和医疗环境的普适性。各中心之间的CT采集方案也存在差异,包括扫描仪厂商和重建层厚。尽管所有CT图像均重采样至统一体素间距,但重采样无法恢复因较厚层厚重建而丢失的信息,也无法完全消除厂商相关的图像差异,这可能影响了3D胰腺模型在外部测试中的泛化性。第三,样本量有限可能降低部分估计值的稳定性。训练AUC略低于内部和外部测试AUC,可能与抽样变异性、病例构成差异以及正则化和特征选择的影响有关。因此,外部测试性能应谨慎解读,并需在更大规模的前瞻性多中心队列中加以确认。第四,身体成分分析仅限于L3层面的内脏脂肪(VAT)和骨骼肌(SM),而非全腹部评估,可能无法完全反映区域异质性。第五,胰腺分割为手动完成,尽管重复性令人满意,仍可能引入观察者依赖性。自动分割可能提高重复性并促进临床实施。最后,尽管Grad-CAM和SHAP提高了可解释性,但深度学习(DL)模型的内部决策过程仍仅部分可解释。
结论
总之,本研究开发并验证了一种基于DL的CT模型,整合胰腺影像、身体成分和临床变量用于急性胰腺炎(AP)的严重程度预测。加入身体成分信息后,预测性能较单独使用胰腺影像和临床特征有所提高。这些发现支持基于多源CT分析在早期AP风险分层中的潜在价值。未来需要开展更大规模、更多样化人群的前瞻性多中心研究,并结合全自动分割工作流程,以进一步验证和改进该方法。
补充信息
电子补充材料
引用
- Zeng D, He M, Lin B, et al. CT-based deep learning integrating pancreatic imaging and body composition for severity prediction in acute pancreatitis. Insights Imaging. 2026. PMID: 42955597. doi:10.1186/s13244-026-02443-w
- 全文:PMC13719943(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13719943/
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。