编辑推荐：
本研究开发了一种结合CT影像组学特征与临床数据的预测模型，用于评估粘连性肠梗阻（ASBO）患者手术切除风险，为临床决策提供重要支持，显著提升诊断精度和治疗效果。
粘连性肠梗阻（Adhesive Small Bowel Obstruction, ASBO）是临床上常见的急腹症之一，其手术时机的把握一直是临床面临的重大挑战。尽管CT扫描被广泛用于ASBO的诊断，但在准确识别肠管绞窄方面效果有限。为解决这一问题，青岛大学附属医院的研究人员开展了一项研究，旨在开发一种结合影像组学特征与临床数据的预测模型，以评估ASBO患者手术切除的风险。研究结果表明，该模型能够显著提高诊断精度，为临床决策提供有力支持，具有重要的临床应用价值。论文发表在《BMC Medical Imaging》上。
研究背景
粘连性肠梗阻（ASBO）是急性腹痛的常见原因之一，占急诊外科住院患者的15%以上。它通常由腹部手术后形成的腹内粘连引起，可能导致严重的并发症，如闭袢形成、肠绞窄甚至肠穿孔。尽管大多数ASBO患者可以通过非手术治疗管理，但约15%的患者需要手术干预，其中28%至45.7%的患者需要肠切除，这与较高的发病率和死亡率相关。因此，准确判断ASBO患者是否需要手术切除以及手术时机的选择至关重要。目前，CT成像是评估ASBO严重程度的主要方法，但其在确定手术指征方面的有效性仍有限。近年来，影像组学作为一种新兴技术，通过从影像中挖掘量化特征，为临床决策提供了新的支持。
研究方法
研究人员回顾性分析了2019年1月至2022年2月期间青岛大学附属医院收治的188例ASBO患者，随机分为训练队列（131例）和测试队列（57例）。研究收集了患者的基线临床数据，并从CT影像中提取影像组学特征，计算影像组学评分（Rad-score）。研究开发了一种结合临床特征和Rad-score的列线图（nomogram），并评估了临床模型、影像组学模型和结合列线图模型在两个队列中的表现。
研究结果
研究结果显示，在188例患者中，92例接受了手术切除，96例未接受。列线图整合了白细胞计数、梗阻持续时间、术前感染指标（发热、心动过速、腹膜炎）以及CT表现（肠壁密度增加、肠壁增厚、肠系膜液体、腹水、肠壁气体、小肠粪便征和肠系膜脂肪密度增加）等因素（p < 0.1）。该结合模型准确预测了手术切除的需求，测试队列的曲线下面积（AUC）值为0.761（95% CI, 0.628–0.893）。校准曲线显示预测结果与实际结果之间有很强的一致性，决策曲线分析验证了该模型在急性ASBO病例中的实用性。
关键技术方法
研究人员采用的主要关键技术方法包括：（1）影像组学特征提取：使用3D Slicer软件对CT影像进行分割，提取包括形状、一级统计量和纹理特征（如灰度共生矩阵(GLCM)、灰度差分矩阵(GLDM)、灰度游程矩阵(GLRLM)和灰度大小区域矩阵(GLSZM)）等特征；（2）多变量分析：通过多变量逻辑回归分析和多层感知器（MLP）网络分类器构建临床模型和影像组学模型；（3）列线图构建与验证：结合临床特征和影像组学评分构建列线图，并通过校准曲线和决策曲线分析验证其性能。
结论与讨论
研究人员开发并验证了一种基于CT的列线图，结合影像组学特征与临床数据，用于预测ASBO患者的手术切除风险。该工具为治疗计划和紧急情况下的临床决策提供了重要支持。研究结果表明，结合影像组学特征与临床数据的模型在预测手术切除风险方面优于单独使用临床或影像组学特征的模型。该研究为ASBO患者的临床管理提供了一种新的、基于影像组学的评估工具，有望改善患者的治疗效果和预后。然而，研究也存在局限性，如单中心数据限制了结果的普适性，未来需要多中心、大样本的研究进一步验证。
