Clinical and CT radiomics-based differentiation between invasive pulmonary fungal infections and secondary pulmonary tuberculosis

人类的肺部是一个复杂的景观，当它受到感染时，身体往往会发出相同的求救信号，无论入侵者是谁。其中有两种特别危险且难以区分的敌人：侵袭性肺部真菌感染和继发性肺结核。前者是一种侵略性的真菌入侵，在免疫系统虚弱的人群中尤为活跃，通常袭击那些正在接受长期医疗治疗或患有严重疾病的人。后者则是导致结核病的细菌再次活跃，这些细菌可以潜伏多年而不发作。这两种疾病都会引起发热、咳嗽和呼吸短促，而且当医生观察标准的CT扫描（一种胸部的详细3D X射线图像）时，影像往往看起来惊人地相似。这两种疾病都会产生云雾状斑块、组织空洞或看起来像结节的实性肿块。这种视觉上的混淆是危险的，因为它们的治疗方法完全不同：一种需要强效抗真菌药物，而另一种则需要针对细菌的特定抗生素。给错药可能是致命的，然而，区分两者往往依赖于侵入性活检或等待数天的实验室培养，这种延迟会让患者处于脆弱的状态。

为了解决这个问题，来自中国医院的一个研究小组致力于构建一个能够看到人类肉眼所忽略之物的数字化工具。他们收集了283名患者的数据，分为两组：一组是确诊为真菌感染的患者，另一组是继发性结核病患者。团队收集了患者的病史、血液检测结果以及他们在初步诊断时拍摄的实际CT扫描图像。随后，他们应用了一种被称为“影像组学”（radiomics）的技术，该技术不只是将医学图像视为一张图片，而是将其视为一个巨大的数据点网格。放射科医生观察扫描图是为了看病灶的形状，而影像组学软件则测量该形状内成千上上个微小的、肉眼不可见的模式——包括纹理、密度以及像素排列的变化，这些变化对于人类来说过于细微而无法察觉。研究人员将这些隐藏的图像模式与特定的临床事实相结合，例如患者是否长期服用广谱抗生素、他们的血红蛋白水平以及中性粒细胞计数（一种白细胞）。

研究人员首先建立了一个仅使用临床信息的模型。他们发现三个因素是真菌感染的强有力指标：长期使用抗生素的病史、较低的血红蛋白水平以及较高的中性粒细胞计数。这个临床模型很有帮助，但并不完美。接着，他们利用从CT扫描中提取的影像组学数据构建了一个独立的模型。这个数字模型被证明要敏锐得多，通过识别疾病独特的纹理指纹，高精度地识别出了真菌感染。最后，他们将这两种方法合并为一个单一的集成工具。这个综合模型同时权衡了患者的血液检查结果和肺部扫描的微观细节，其表现是最好的。在测试中，它在另一组新患者中正确区分了这两种疾病约84%的次数，相比仅使用临床体征有了显著提高。

这项新工具的真正考验在于研究人员将其表现与人类专家进行对比。两名放射科医生（一位拥有超过15年经验，另一位拥有6年经验）审阅了相同的CT扫描图像和临床数据，以做出各自的诊断。虽然资深医生表现得相当不错，但计算机模型仍然优于这两位资深和初级放射科医生。研究表明，虽然人类医生擅长发现肺部疾病的明显特征，但在面对定义这两种特定感染的微妙且重叠的纹理时，他们却感到吃力。然而，数字模型不会疲劳或分心；它能一致地测量定义疾病本质的数以千计的数据点。

这项研究并非声称找到了神奇的疗法或能消除所有不确定性的完美解决方案。作者承认，他们的工具是在一个特定的患者群体中进行测试的，且研究中的真菌感染包括三种不同的类型，它们的表现可能略有不同。他们还指出，该方法依赖于高质量的扫描和标准化的数据，而这些在不同医院之间可能会有所差异。然而，研究结果提供了一条具体的路径。通过提供一个客观、定量的第二意见，这种综合模型可以帮助医生做出更快、更准确的决策。对于躺在医院病床上、正遭受困惑性肺部感染的患者来说，这个工具代表了一种拨开视觉迷雾的方法，确保他们能更快地接受正确的治疗，并避免因在两种极其相似的敌人之间犹豫不决而导致的致命延误。