编辑推荐：
为解决儿童胰胆管合流异常（PBM）中术前难以准确诊断中重度慢性胆管炎的问题，研究人员开展了基于对比增强 CT 影像和临床特征构建深度学习影像组学列线图（DLRN）的研究。结果显示 DLRN 诊断性能良好，有助于临床决策和个性化管理。
在医学领域，儿童胰胆管合流异常（Pancreaticobiliary Maljunction，PBM）是一个备受关注的问题。PBM 是一种先天性缺陷，表现为胰管和胆管在十二指肠壁外汇合，形成较长的共同通道，亚洲人群发病率较高。这一异常会导致胰液长期反流进入胆总管（Common Bile Duct，CBD），引发慢性炎症。慢性胆管炎严重影响 PBM 患儿的临床治疗和预后，长期的严重胆管炎会使 CBD 壁与周围组织紧密粘连，增加手术难度，还可能导致 CBD 壁增厚、变脆，术中易受损，并且与术后吻合口狭窄密切相关。目前，磁共振成像（Magnetic Resonance Imaging，MRI）是评估 PBM 的首选方式，但由于儿童 MRI 检查易受腹部呼吸伪影影响，对比增强计算机断层扫描（Contrast-Enhanced Computed Tomography，CE-CT）在 PBM 诊断中仍具有重要价值，特别是对于年幼患儿以及评估关键解剖变异。然而，CE-CT 图像缺乏特异性成像标准，放射科医生难以准确诊断和分级与 PBM 相关的慢性胆管炎，当前主要依赖术后组织病理学评估，这对于手术规划至关重要的中重度病例诊断极为不利。
为了突破这些困境，苏州大学附属儿童医院等三家机构的研究人员开展了一项多中心研究。他们旨在开发并验证一种基于 CE-CT 图像和临床特征的深度学习影像组学列线图（Deep Learning Radiomics Nomogram，DLRN），用于术前识别 PBM 患儿的中重度慢性胆管炎，为临床提供一种非侵入性且有效的诊断方法。该研究成果发表在《BMC Medical Imaging》杂志上。
研究人员采用了多种关键技术方法。首先，从三个独立医院回顾性收集了 2011 年 1 月至 2023 年 2 月期间接受术前 CE-CT 检查并进行胰胆管手术的 PBM 患儿数据。根据纳入和排除标准，最终确定了 323 例符合条件的患儿，将其分为训练队列（Training Cohort，TC，n=153）、内部验证队列（Internal Validation Cohort，IVC，n=67）以及两个外部测试队列（External Test Cohort 1，ETC1，n=58；External Test Cohort 2，ETC2，n=45）。其次，通过两位经验丰富的病理学家对切除的 CBD 标本进行组织病理学检查，评估慢性胆管炎的严重程度。然后，从门静脉期 CT 图像中提取手工制作的影像组学特征和基于深度学习（Deep Learning，DL）的影像组学特征，利用 ResNet50 架构进行 DL 特征提取。最后，使用多变量逻辑回归构建临床模型和 DLRN，并通过多种评估指标对模型性能进行评价。
在研究结果部分，首先是基线特征。323 例患儿的中位年龄为 3.0 岁，71.5% 为女性。各队列中中重度慢性胆管炎的发生率相似，且临床特征分布相近。在 TC 中，经单因素分析发现，胆结石和胆管周围积液在非中重度与中重度慢性胆管炎组间存在显著差异，因此这两个特征被选用于后续分析和临床模型构建。其次是特征选择和影像组学特征构建。研究人员从大量的手工制作和 DL 特征中，分别筛选出 5 个手工制作特征和 5 个 DL 特征构建影像组学特征。这些特征在不同队列中展现出一定的诊断效能，手工制作的影像组学特征在 IVC、ETC1 和 ETC2 中的 AUC 值分别为 0.844（95% CI，0.750 - 0.938）、0.857（95% CI，0.741 - 0.972）和 0.823（95% CI，0.698 - 0.948）；DL 影像组学特征的 AUC 值分别为 0.872（95% CI，0.768 - 0.977）、0.854（95% CI，0.758 - 0.950）和 0.840（95% CI，0.715 - 0.964）。然后是临床模型和 DLRN 构建。利用胆结石和胆管周围积液构建临床模型，在此基础上结合手工制作和 DL 影像组学特征建立 DLRN。DLRN 的 AIC 值更低，且其评分在中重度慢性胆管炎组显著高于非中重度组。最后是模型评估和比较。DLRN 在 IVC、ETC1 和 ETC2 中表现出良好的区分能力，AUC 值分别为 0.913（95% CI，0.834 - 0.993）、0.916（95% CI，0.845 - 0.987）和 0.895（95% CI，0.801 - 0.989），显著高于临床模型。校准曲线和 Hosmer-Lemeshow 检验表明 DLRN 预测与实际观察一致性良好，决策曲线分析（Decision Curve Analysis，DCA）和临床影响曲线（Clinical Impact Curve，CIC）进一步证实其临床实用性。
在研究结论和讨论部分，研究人员开发并验证了四种诊断模型，其中 DLRN 整合了临床变量、手工制作和 DL 影像组学特征，在术前识别 PBM 患儿中重度慢性胆管炎方面表现出色，具有较高的准确性和稳健性。手工制作的影像组学模型中的高阶特征在识别相关影像异质性方面有效，但手工制作影像组学存在局限性，DL 则能弥补其不足，二者结合并纳入临床因素构建的 DLRN 优势明显。不过，该研究也存在一些局限性，如回顾性研究的固有偏倚、不同中心 CT 系统和扫描参数差异、成像分辨率和分割技术的限制以及仅使用门静脉期 CT 图像等。尽管如此，DLRN 仍为术前评估胆管炎症严重程度提供了一种有用的非侵入性工具，有助于制定个性化治疗方案，提高儿童 PBM 的临床管理水平，对优化手术规划、降低术中风险和改善患者预后具有重要意义。
