基于双期增强CT的多模态模型早期预测急性胰腺炎相关急性肺损伤

摘要

目的:构建基于腹部双期增强计算机断层扫描(CECT)的多模态深度学习-影像组学-临床(DRC)模型以早期预测急性胰腺炎相关急性肺损伤/急性呼吸窘迫综合征(AP-ALI/ARDS)。方法:回顾性纳入320例AP患者为研究对象，按7∶3比例随机划分为训练集(n=189)和内部测试集(n=81),并设外部测试集(n=50)。收集患者入院48 h内临床资料及CECT图像，采用逻辑回归方法筛选临床独立危险因素。手动勾画动脉期及门静脉期胰腺实质并提取筛选影像组学与深度学习特征。采用随机森林算法分别构建临床模型、影像组学模型、深度学习模型及DRC模型。采用受试者工作特征(ROC)曲线、DeLong检验、校准曲线与决策曲线分析(DCA)比较模型性能。结果:320例AP患者中，109例(34.06%)发生AP-ALI/ARDS。AP严重程度和血糖水平为AP-ALI/ARDS相关独立危险因素。最终筛选出6个影像组学特征和19个深度学习特征。DRC模型展现了卓越的预测性能，在训练集、内部及外部测试集中ROC曲线下面积(AUC)分别为0.973、0.934、0.920。Delong检验表明DRC模型的AUC显著高于临床模型、影像组学模型(P<0.05)。校准曲线表明DRC模型具有最佳性能，且DCA显示DRC模型在大多数阈值概率下相比其他模型能提供更高的总体净收益。结论:DRC模型在早期预测AP-ALI/ARDS方面具有优异性能，可为临床干预提供决策支持。

关键词

急性胰腺炎 / 急性肺损伤 / 深度学习 / 急性呼吸窘迫综合征 / 影像组学

基金资助

国家自然科学基金(82371961); 四川省卫生健康委员会医学科技项目(24QNMP062); 川北医学院附属医院科研项目(BS20211116)