European Radiology：CT机器学习模型在肝硬化静脉曲张出血预后预测方面的价值

静脉曲张破裂出血是肝硬化门脉高压最严重的并发症。研究表明，在大约50%的肝硬化患者中，胃食管静脉曲张是最危险的静脉曲张，有急性出血的风险。未经治疗的胃食管静脉曲张出血的患病率为20-76%，其出血与肝硬化患者的高死亡率直接相关。急性静脉曲张出血在6周内的致死率为16-26%。因此，必须对肝硬化出血高风险患者进行早期识别，以便密切监测或干预。

风险分层有助于识别高危患者并改善预后。尽管临床上目前使用了许多临床风险评分，但没有一个是特异性的。以前的研究表明，放射组学在各种肝脏疾病中具有潜在的应用价值，包括肝纤维化分期和门脉高压的检测。研究假设，基于肝脏和脾脏CT图像的放射组学特征将更好地驱动预测模型的建立，并用于预测慢性胰腺炎患者的临床复合终点。

近日，发表在European Radiology杂志上的一篇研究开发并验证了一种基于增强CT的机器学习模型，该模型可用于预测急性静脉曲张出血（AVB）肝硬化患者发生复合临床终点（住院治疗或死亡）的风险。 

本项回顾性研究在2017年1月至2020年12月期间从三个临床中心招募了330名患有AVB的肝硬化患者。研究收集了所有患者的增强CT和临床数据。A中心和B中心按7:3分成训练集和内部测试集，C中心作为单独的外部测试集。应用训练有素的深度学习模型对肝脏和脾脏进行分割。然后，研究根据图像生物标记标准化倡议（IBSI）分别提取了肝脏和脾脏的106个原始特征，并根据所选的放射组学特征构建了肝脾模型（LS）。通过接收者操作特征和校准曲线评估了LS模型的性能，并利用决策曲线分析（DCA）对模型的临床实用性进行了分析。 

LS模型在预测肝硬化患者AVB综合临床终点方面表现出最佳诊断性能，内部测试组和外部测试组的AUC分别为0.782（95% CI 0.650-0.882）和0.789（95% CI 0.674-0.878）。校准曲线和DCA 表明，LS模型的性能优于传统的临床评分。 

图 放射组学模型预测肝静脉曲张出血预后的ROC。根据受试者工作特征曲线比较肝模型、脾模型和LS模型在训练 (a)内部测试(b)和外部测试(c) 中的差异。LS模型、GBS、AIMS65和ALBI在训练(d) 内部测试 (e) 和外部测试中的DCA结果

本项研究表明，在评估AVB肝硬化患者的预后方面，新型机器学习模型优于之前已知的临床风险评分。事实证明，基于增强CT的肝脾模型是预测急性静脉曲张出血肝硬化患者预后的有效影像学工具，有助于临床实践中的决策制定和个性化治疗。

原文出处：

Yin Gao,Qian Yu,Xiaohuan Li,et al.An imaging-based machine learning model outperforms clinical risk scores for prognosis of cirrhotic variceal bleeding.DOI:10.1007/s00330-023-09938-w