文献速递胸部腹部技术与安全CT

深度学习重建降低体部CT环境影响

Reduced environmental impact in body CT imaging with deep learning reconstruction: experience of a high-volume tertiary referral center.
PubMed 文献 · Insights Imaging · 2026-06-24

回顾性单中心研究纳入42300例体部CT检查,比较HIR与DLIR设备在18个月内的能耗、CO₂e排放和碘对比剂用量。DLIR组采用80–100 kV和优化对比剂方案,结果显示能耗、碳排放及对比剂用量均低于HIR组,提示其有助于高流量放射科实现更可持续的CT实践。

要点

  • DLIR组80–100 kV方案每检查耗电3.49 kWh,低于HIR组5.33 kWh。
  • DLIR联合低管电压支持降低碘对比剂剂量,如腹部增强CT由1.5 mL/kg降至1.2 mL/kg。
  • 报告科室可持续改进时,可优先关注管电压和对比剂剂量优化带来的减排。

核心结论

  • DLIR相关优化方案与更好的环境指标相关,支持其在高流量场景中推动更可持续的放射实践。
  • 每检查能耗DLIR组3.49 kWh对HIR组5.33 kWh,下降34.5%。
  • 18个月内DLIR组对比剂参考等效节省434 L,避免4.47吨CO₂e排放并节约60730 L水。
  • 两组综合CO₂e排放分别为49.62吨和29.10吨,DLIR组更低。

研究设计与样本

  • 回顾性单中心观察性研究,纳入42300例体部CT检查,其中HIR组23096例、DLIR组19204例。
  • 两组各用两台CT:HIR组为256层iCT配iDose,DLIR组为128层CT 5300配PRECISE Image。
  • 纳入BMI<30患者的颈部、胸部、腹部和盆腔CT,排除神经影像、脊柱及四肢CT。
  • 研究数据来自RIS/PACS、医院工程部门持续功率监测及标准化方案参数。
  • 对比剂碳排放按10.3 kg CO₂e/L转换,水足迹按140 L/L并做±50%敏感性分析。

关键影像表现/征象

  • 同一患者DLIR在100 kV且对比剂降至1.2 mL/kg的图像表现与HIR 120 kV、1.5 mL/kg相当。
  • DLIR组主动脉窦CTA在50 mL碘对比剂下图像质量与HIR组70 mL方案可比。
  • 低管电压联合DLIR可依靠改善的对比噪声比支持多部位对比增强方案降低碘负荷。

诊断标准与关键数值

  • DLIR组管电压系统降至80或100 kV,HIR组多数为120 kV。
  • DLIR组腹部增强CT、肿瘤全身CT和创伤CT对比剂剂量由1.5 mL/kg降至1.2 mL/kg。
  • DLIR组CT肺动脉造影、主动脉CTA和冠脉CTA对比剂由60 mL、60 mL、80 mL降至40 mL、40 mL、60 mL。
  • DLIR组儿科增强方案碘对比剂剂量由1 mL/kg降至0.8 mL/kg。
  • 18个月能耗HIR组123000 kWh,DLIR组66927 kWh;CO₂e分别为30.75吨和16.73吨。

临床应用与阅片要点

  • 报告中记录低管电压和低对比剂剂量方案属于主动可持续改进,不应简单视为图像质量妥协。
  • DLIR为降低管电压和对比剂用量提供技术支持,阅片时应关注其噪声形态与HIR的差异。
  • 在保证诊断质量的前提下,可将80–100 kV及其对应对比剂剂量作为体部CT常规方案参考。
  • 解释CT能耗或碳足迹数据时需区分设备重建方式与方案参数的综合作用。

局限性

  • 单中心回顾性设计,且为对照HIR老机型与DLIR新机型,环境效应不能全部归因于DLIR本身。
  • 两组检查类型分布不同,对比剂总用量的直接比较受病例构成影响。
  • 能耗数据为设备级汇总,并非按独立患者层面采集,未进行相应推断性统计检验。
  • 对比剂相关水足迹使用假定的140 L/L,原文说明无ICM专用水足迹数据,存在不确定性。
全文中译10 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. 2026 Jun 24;17:170. doi: 10.1186/s13244-026-02333-1

引言

近年来,医疗保健的环境足迹受到越来越多的关注,其中医学影像尤为突出,因为它是医院能耗及相关二氧化碳当量(CO₂e)排放的主要来源之一 [1, 2]。特别是CT,由于其高电力需求、全球广泛使用以及对碘对比剂(ICM)的依赖,发挥着关键作用 [3, 4]。因此,影像科室在确保诊断准确性不受影响的前提下限制资源消耗的压力日益增大 [5]。

随着时间推移,CT重建技术的进展主要集中于在保持图像质量的同时降低辐射剂量。混合迭代重建(HIR)和基于模型的迭代重建(MBIR)已实现了显著的剂量节省 [6, 7]。然而,这些技术对计算资源要求较高,并可能影响扫描仪的能耗及工作流程效率,尤其是重建时间 [8]。近年来,基于深度学习的图像重建(DLIR)作为一种替代方法被引入,可提供低噪声图像、改善图像质量并缩短重建时间 [9, 10]。DLIR的另一个优势在于其能够支持低管电压成像,从可持续性角度来看这一点尤为重要,因为CT能耗随管电压呈二次方增长 [11–13]。此外,较低管电压的CT成像可增加碘的衰减,从而在不损失图像清晰度的前提下实现碘对比剂剂量的内在可能降低 [14–16]。

除电力消耗外,碘对比剂的生产和处置也是一项相当可观且常被低估的环境负担。碘的提取、制药生产及废水处理对CT成像的总体碳足迹贡献显著 [17–19]。因此,将降低管电压与减少碘对比剂剂量相结合的策略可能带来进一步重要的可持续性获益 [4, 20]。

尽管存在这些潜在优势,但在高流量临床环境中实施DLIR对环境影响的实际数据仍报道不足。特别是,全面评估电力消耗、CO₂e排放及ICM节省的研究仍然有限。

基于上述背景,本研究旨在评估某三级转诊中心中DLIR与HIR相比的环境影响。我们重点关注扫描仪电力消耗、相关CO₂e排放及ICM节省,目的是阐明DLIR是否能够支持更具环境可持续性的CT实践。

材料与方法

研究设计与场所

这项回顾性、单中心观察性研究在一所配备四台多排螺旋CT扫描仪的三级转诊医院进行。两台扫描仪属于较旧一代(第1组),为配备混合迭代重建(HIR)算法(iDose,Philips Healthcare)的256层系统(iCT,Philips Healthcare)。另外两台扫描仪(第2组)为近期安装的128层系统(CT 5300,Philips Healthcare,Best,The NL),内置DLIR系统(PRECISE Image,Philips Healthcare)。

在18个月期间(2024年1月至2025年6月),在四台扫描仪中的任意一台上进行的、体重指数(BMI)<30的患者的所有CT体部检查(包括颈部、胸部、腹部和盆腔)均被纳入,不论临床适应证或解剖区域如何(图1、图2)。BMI≥30的患者被排除,以限制采集参数的变异性,并减少与能量消耗和对比剂使用相关的潜在混杂因素。神经影像学检查——即平扫和增强脑CT、主动脉上血管CT血管成像和脊柱CT——被排除在分析之外,因为在我院神经放射学检查大多在一个独立的神经放射学单元内的专用扫描仪上进行。骨骼节段和四肢的CT检查也被排除在分析之外。

图1 同一患者的HIR(A)和DLIR(B)重建的增强CT轴位图像,以及HIR(C)和DLIR(D)重建的冠状位图像。HIR采集在120 kV下进行,碘对比剂(ICM)剂量为1.5 mL/kg,而DLIR采集在100 kV下进行,ICM剂量减少为1.2 mL/kg。尽管管电压较低且ICM剂量减少,DLIR图像与HIR图像表现相当。HIR,混合迭代重建;DLIR,深度学习图像重建;ICM,碘对比剂 查看原图 ↗
图2 同一患者使用配备HIR的扫描仪在注射70 mL ICM后获得的主动脉窦斜位CT血管成像图像(A),以及使用DLIR在注射50 mL ICM后获得的图像(B)。CTA,CT血管成像;HIR,混合迭代重建;ICM,碘对比剂;DLIR,深度学习图像重建 查看原图 ↗

CT检查

根据常规临床实践,对第1组扫描仪应用标准化采集方案。纳入的CT检查方案包括:CT肺动脉血管成像、主动脉CT血管成像、冠状动脉CT血管成像、增强腹盆腔CT、高分辨率胸部CT、肿瘤全身CT(包括颈部、胸部、腹部和盆腔增强单期扫描)、创伤CT(包括胸部、腹部和盆腔的平扫,以及动脉期和静脉期的增强多期检查,临床需要时加做延迟采集)和儿科CT方案(包括颈部、胸部、腹部和盆腔增强)。大多数检查使用120 kV管电压进行,管电流调制根据患者体型和临床适应证进行调整。

对于增强腹盆腔CT、肿瘤全身CT和创伤CT,碘对比剂按1.5 mL/kg的剂量静脉注射。对于CT肺动脉血管成像、主动脉CT血管成像和冠状动脉CT血管成像,给予固定剂量的碘对比剂,分别为60 mL、60 mL和80 mL。对于儿科方案,剂量为1 mL/kg。

在第2组扫描仪上,基于DLIR的方案是标准化的,并通过对相应HIR方案选择性优化采集参数而推导出来,同时保持依赖扫描仪的设置不变。根据检查类型,管电压被系统性降低至80或100 kV。基于DLIR在较低管电压下可实现对比噪声比的提高,对增强方案进行了适度调整。即,对于增强腹盆腔CT、肿瘤全身CT和创伤CT,碘对比剂(ICM)按1.2 mL/kg的剂量静脉给药。对于CT肺动脉造影、主动脉CT血管造影和冠状动脉CT血管造影,给予固定剂量的ICM,分别为40 mL、40 mL和60 mL。对于儿科方案,剂量为0.8 mL/kg。

两种方案均使用相同的对比剂(碘比醇350——Guerbet)。注射流率和时相保持不变。所有采集和重建参数均为预定义并在各次检查中标准化。

第1组和第2组各临床适应证的详细方案特异性参数见表1。

表1 使用HIR和DLIR重建的所评估临床方案的CT采集和重建参数 查看原表 ↗

数据收集与环境影响评估

研究期间采集的所有CT检查均从放射信息系统和图像存档与通信系统(PACS——Agfa Enterprise Imaging,Agfa HealthCare)数据库中检索获得,包括扫描仪标识、检查类别、采集参数和所给碘对比剂总量。

每台扫描仪的能耗数据来自医院工程部门。连续电力监测系统提供了每台设备的年度kWh值。扫描仪层面的电力消耗为直接测量所得,而方案层面的归因仅用于标准化目的。对于使用多个管电位的方案,根据已知的管电压与功率需求之间的二次方关系,并结合制造商规格说明,对能耗进行了估算。

与电力消耗相关的年度CO₂当量排放使用医院可持续发展办公室采用的区域转换因子计算,该因子来源于意大利环境保护与研究所(ISPRA)为该研究所所在地区发布的官方数据[21]。

与ICM相关的环境影响通过将每台扫描仪上每年给予的对比剂总量相加,并基于已发表的药品生产及处置链生命周期分析将该值转换为CO₂当量来评估。

与DLIR采用相关的环境效益通过将第2组与第1组在以下方面进行比较来量化:节电量(kWh/年)、与较低能耗相关的CO₂当量减排、年度ICM节省量(升/年)以及与ICM相关的CO₂当量减少量。

使用描述性统计总结两组的检查量、能耗、CO₂当量排放和ICM使用情况。组间差异以绝对变化和相对变化报告。

管电压与能源需求之间的关系使用以下公认原理进行评估:X线管输出随千伏值升高呈非线性、近似二次方的方式增加:

这一行为在CT物理文献中被广泛描述[13, 22, 23],用于估算低kV DLIR方案相对于120-kV标准方案的电功率相对降低量。这些估算仅用于比较和归一化目的,并不代表对特定方案能耗的直接测量。

与电力消耗相关的CO₂e排放量通过应用区域基于位置的排放因子(EF)进行计算,依据GHG Protocol Scope 2 Guidance,这是由世界资源研究所(WRI)和世界可持续发展工商理事会(WBCSD)制定的温室气体核算标准框架[24]:

基于位置的EF根据2023年国家电网结构计算,数据来源于国际能源署(IEA)报告的公开国家能源统计数据[25]。

ICM节约量通过比较基于标准HIR采集与优化后的DLIR低kV方案之间的方案特异性对比剂用量来计算。对于每项增强检查,每次扫描的ICM体积差异来源于标准化方案参数,总节约量通过将该差异乘以研究期间每种方案执行的检查次数获得。为消除方案层面ICM优化对两组检查分布差异的影响,通过对同一Group 2检查病例组合应用HIR和DLIR特异性ICM剂量进行了参考等效分析。

与避免的ICM生产和使用相关的环境影响通过已发表的生命周期供应链数据进行量化,该数据考虑了碘提取、药品生产、分销和废物管理。CO₂e排放量通过应用每升ICM 10.3 kg CO₂e的EF进行估算[26]。对于两组总CO₂e排放量的组间比较,通过将该EF应用于每组的总对比剂用量来计算Group 1和Group 2的ICM相关CO₂e排放量。

节水量的估算采用每升ICM 140 L的假设用水系数,该系数来源于药品生产工艺的生命周期考虑,由于纯化和灭菌要求,这些工艺以高耗水著称[27]。由于目前尚无ICM特异性水足迹数据,根据ISO 14046建议[28],通过使用±50%边界(70–210 L/L)的单因素敏感性分析探讨了不确定性。

统计分析

统计分析根据所分析数据的类型进行。使用推断性统计比较Group 1与Group 2之间CT检查类别的分布。分类变量通过卡方(χ²)检验进行评估,并使用2 × 2列联表为每个CT检查类别计算比值比(OR)及95%置信区间(CI)。双侧p值< 0.05被认为具有统计学意义。

环境相关结局,包括用电量、二氧化碳当量(CO₂e)排放量和碘对比剂(ICM)使用量,在扫描仪组别层面进行描述性评估。由于这些指标来源于扫描仪层面的汇总数据,而非独立的患者层面观察数据,因此未进行推断性统计检验。结果因此以绝对值以及适当时按每台扫描仪、每次检查和每年进行标准化后呈现。

结果

四台CT扫描仪共完成了42,300次检查。其中,23,096次检查(54.6%)在使用HIR重建的第1组扫描仪上完成,19,204次检查(45.4%)在配备DLIR的第2组扫描仪上完成。两组之间的CT检查类别分布存在差异(p < 0.001)。研究人群的平均年龄在第1组为64 ± 15岁(范围:2–93岁),在第2组为58 ± 17岁(范围:1–91岁),包括成人和儿童患者。研究期间第1组和第2组按扫描方案划分的CT检查详细分布见表2。

表2 18个月研究期间第1组和第2组按扫描方案划分的CT检查分布 查看原表 ↗

能源消耗与二氧化碳当量排放

在18个月的研究期间,第1组的总用电量为123,000 kWh,根据区域电力排放因子(EF),相当于30.75吨CO₂e排放。相比之下,第2组的总用电量显著较低,为66,927 kWh,产生16.73吨CO₂e排放(p < 0.001)(图3A)。这相当于配备DLIR的扫描仪绝对减少了56,073 kWh用电量和14.02吨CO₂e排放。

在扫描仪层面表示时,第1组每台扫描仪的平均用电量为61,500 kWh,第2组为每台33,463 kWh(p < 0.001),分别对应每台15.38吨和8.37吨CO₂e排放(p < 0.001)。总体而言,第2组在研究期间每台扫描仪净减少了28,037 kWh用电量和7.01吨CO₂e排放,相当于每台扫描仪每年减少18,691 kWh和4.67吨CO₂e。

为考虑两组之间扫描仪工作量的差异,用电量进一步按每次CT检查进行标准化。第1组扫描仪每次检查耗电5.33 kWh,而第2组扫描仪每次检查需3.49 kWh(p < 0.001),相当于每次扫描的能源需求降低了34.5%。在碳排放方面,第1组每次检查为1.33 kg CO₂e,而第2组为每次检查0.87 kg CO₂e(p < 0.001)。

对比剂使用

研究期间,Group 1扫描仪使用的碘对比剂总量为1832 L,Group 2扫描仪为1201 L(图3B),分别对应18.87吨和12.37吨CO₂e。两组之间碘对比剂使用总量的观察差异既反映了检查病例组合的差异,也反映了方案特异性对比剂剂量的差异。为了分离通过DLIR获得的方案层面对比剂剂量优化的效果(独立于检查分布),因此通过将HIR和DLIR特异性碘对比剂应用于相同的Group 2病例组合进行了参考等效分析。基于该方法,DLIR扫描仪采用的较低标称对比剂剂量实现了精确的参考等效对比剂节省434 L,相当于每年289 L。转换为环境影响指标时,这一碘对比剂减少相当于在18个月期间避免了4.47吨CO₂e排放,等于每年2.98吨CO₂e。

此外,碘对比剂使用的减少与18个月内节约60,730 L水相关,相当于每年40,486 L。

图3 A 在18个月研究期间记录了Group 1和Group 2扫描仪的总电力消耗。B. Group 1和Group 2扫描仪在所有纳入CT检查中使用的碘对比剂总量。C. Group 1和Group 2中与CT成像相关的总CO₂e排放,同时考虑电力消耗和碘对比剂使用。HIR,混合迭代重建;DLIR,基于深度学习的图像重建;ICM,碘对比剂 查看原图 ↗

综合环境效益

当同时考虑电力消耗和碘对比剂使用时,与Group 2相比,Group 1扫描仪在18个月研究期间的总CO₂e排放更高。总体而言,在18个月研究期间,Group 1的电力消耗和碘对比剂使用的综合CO₂e排放总计为49.62吨,Group 2为29.10吨(p < 0.001)(图3C)。按每年标准化后,这相当于Group 1每年33.08吨CO₂e,Group 2每年19.40吨CO₂e(p < 0.0001)。这些发现表明,在常规临床实践中,配备DLIR的扫描仪具有显著更低的总体环境影响。

Group 1和Group 2之间的能耗、CO₂e排放和碘对比剂剂量比较总结于表3。

表3 Group 1(HIR)和Group 2(DLIR)扫描仪之间的能耗、CO₂e排放和碘对比剂使用比较 查看原表 ↗

讨论

在这项于高容量三级转诊中心进行的真实世界研究中,与HIR相比,DLIR的引入与常规CT成像环境影响的显著降低相关。本研究评估的基于DLIR的方案反映了我们机构的常规临床实践,支持了研究结果在真实世界中的适用性。

重要的是,观察到的环境效益不应仅归因于重建算法本身。在我们的研究中,DLIR应被解释为一种使能技术,它促进了优化采集方案的实施,包括较低的管电压和减少的碘对比剂剂量。因此,所报告的能耗和碘对比剂使用的减少可能反映了技术进步和方案修改的综合效应,而非单独的DLIR孤立影响。

迄今为止,大多数关于DLIR的文献都集中在图像质量和辐射剂量上[29–32],对其潜在的环境影响(如能耗、碳排放和碘对比剂剂量)关注较少。

由于多层螺旋CT扫描仪的高功率需求及其在常规临床实践中的广泛使用,电力消耗仍然是CT环境影响中的一个重要因素。本研究观察到的降低与管电压和X射线管功率输出之间被广泛接受的近二次方关系一致[13, 22]。这进一步支持了以下解释:方案层面的改变,尤其是管电压降低,在决定能耗方面起着主要作用,而DLIR则作为一种促进因素。事实上,我们的研究结果表明,那些使低kV成像成为可能的相同技术特征,在常规临床使用中也可能带来更低的能源需求。值得注意的是,这些降低是在广泛的CT检查中观察到的,反映的是日常科室活动,而非经过高度筛选或实验优化的方案。

尽管由于研究设计和测量方法的差异,直接比较仍然困难,但最近发表的一些论文为我们的研究结果提供了一定的背景。大多数关于CT相关能耗的研究基于单台扫描仪的测量或旨在分离影响功耗的技术因素的实验设置。Schoen等人通过直接电学测量报告了采集参数与净扫描能耗之间的相关性,支持了方案层面优化可带来可量化节能的观点[33]。其他作者研究了在短时间段内使用快速重启节能模式等策略,强调在繁忙的科室中非扫描能耗也可能对总体足迹有重大贡献,尽管其收益高度依赖于工作流程特征[34]。系统综述表明,CT是放射科中与设备相关能源需求的主要贡献者之一[2, 3]。然而,将具体技术解决方案与可量化的碳减排联系起来的真实世界数据仍然很少[3]。此外,生命周期评估方法显示,扫描仪电力仅代表影像相关排放的一部分,这凸显了考虑多种环境因素的综合评估的重要性[35]。

除了电力使用外,碘对比剂是CT成像中一个额外的且常被忽视的环境负担来源[17, 20]。对比剂的生产、运输和处置是高度耗能的过程,同时造成碳排放和水资源消耗[17, 19]。在本研究中,由于较低管电压下固有的对比噪声比改善,DLIR方案在多个增强检查方案中与对比剂注射量的减少相关[36]。这与对比剂相关的CO₂e排放和水资源消耗的可量化减少相关。尽管对比剂减少所产生的绝对碳节约低于与电力消耗相关的节约,但从可持续性的角度来看,这些节约仍然具有意义,在评估影像检查的可持续性时应予以考虑。

既往研究已经证明,在选定的方案(如 CT 肺动脉成像和肿瘤影像学检查)中减少碘对比剂(ICM)用量是可行的,尤其是在应用低 kV 技术时 [7, 16]。这些发现得到我们结果的进一步支持,我们的结果突出表明,深度学习图像重建(DLIR)使对比剂优化策略能够在科室层面应用,而无需改变工作流程。这可能具有实际意义,因为不需要改变适应证或工作流程的可持续性策略更有可能被长期采用和维持 [37]。

放射学领域对环境可持续性的日益关注主要集中在能效、扫描仪技术和辐射剂量优化上 [1, 2]。虽然这些因素仍处于核心地位,但我们的发现强调了在评估 CT 成像的整体环境影响时将 ICM 等耗材纳入考虑的重要性。从实践角度看,本研究中观察到的减少是作为为临床目的而实施的技术进步带来的附带效益实现的,而不是通过特定的“绿色”方案。

还应注意,深度学习模型的训练需要大量计算资源和能源消耗,这可能增加人工智能(AI)的整体环境足迹 [38]。尽管本研究未评估这一方面,但在评估基于 AI 的成像技术的净可持续性时,这是一个重要的考虑因素。

本研究存在若干局限性。首先,其回顾性、单中心设计可能限制其普适性,因为不同机构的扫描仪型号、能源结构和临床工作流程存在差异。研究设计无法将DLIR的单独贡献与方案修改和扫描仪代际差异的贡献区分开来,从而限制了因果推断。尽管扫描仪层面的用电量是直接测量的,但方案层面的能耗归因依赖于模型估算,且仅用于标准化处理。因此,每次检查的能耗值应被理解为基于既定物理关系的估算值,而非直接测量值。同样,含碘对比剂的环境影响估算来源于已发表的生命周期评估,应被解读为估算值。扫描仪架构和代际的差异可能影响了采集参数和能耗,代表了一个无法与方案相关效应完全分离的潜在变异来源。尽管对比剂剂量已使用基于体重的方案进行了标准化,但未采用基于去脂体重(LBW)的对比剂给药方式,这可能允许进一步个体化对比剂用量,并可能同时增强临床和环境效益。各组之间检查病例组合的差异可能构成混杂因素来源,因为扫描类型和方案的变化可影响能耗和含碘对比剂的使用,从而限制了因果推断。然而,本研究采用的参考等效分析最大限度地减少了患者体型分布的影响,支持所观察到的含碘对比剂节省主要由DLIR支持的方案优化所驱动,而非人体测量学差异所致。最后,DLIR相关的高图像质量是从现有文献推断得出的,因为本研究未直接评估或比较DLIR与既往重建系统之间的图像质量。

总之,在常规CT实践中实施DLIR与环境影响的显著降低相关,这可能反映了较低电力消耗和含碘对比剂使用减少的综合效应。含碘对比剂剂量优化是碳减排的重要贡献因素,但能效提升占了主要部分。这些发现支持DLIR不仅是一种可能改善图像质量和剂量效率的工具(如既往文献所示),而且是促进CT成像环境可持续性的潜在贡献因素。

引用

  1. Franco, Maino, Gandola, et al. Reduced environmental impact in body CT imaging with deep learning reconstruction: experience of a high-volume tertiary referral center. Insights Imaging. 2026. PMID: 42342983. doi:10.1186/s13244-026-02333-1
  2. 全文:PMC13294401(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13294401/

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。