Non-contrast CT Radiomics Combined with Clinical Features for Predicting Secondary Sepsis in Severe Acute Pancreatitis
这项回顾性研究表明，结合非增强CT影像组学特征与早期临床数据的综合列线图能有效预测重症急性胰腺炎继发感染，其表现优于单纯的临床模型或影像组学模型，尽管其泛化能力仍需在更大的外部队列中进行验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
重症急性胰腺炎是一种突然且剧烈的胰腺炎症，它能让一次常规的住院治疗演变成危及生命的紧急情况。当器官承受这种压力时，它可能开始崩溃，产生坏死组织，从而成为细菌滋生的温床。如果这些细菌从胰腺逃逸并进入血液，它们可能会引发脓毒症——这是一种全身性的反应，会导致器官衰竭，并往往导致死亡。医生知道早期发现感染至关重要，但要在患者出现第一次发热或血压下降之前，识别出哪些患者会发展成脓毒症，这极其困难。目前，医疗团队依赖于血液检查和一般的临床体征，但这些指标通常在感染已经成形之后才会发生变化。挑战在于，如何找到一种方法，在患者病情明显恶化之前，看到隐藏在体内的危险信号。
来自中国安徽医科大学第二附属医院的一个研究小组探索了一种结合标准医学影像与高级计算机分析的新方法来解决这个问题。他们将研究重点放在了已经被诊断为重症急性胰腺炎并入住重症监护室（ICU）的患者身上。其目标是仅利用患者发病后第一周内可获得的信息，来预测哪些患者随后会发展为继发性脓毒症。研究人员并没有等待身体表现出明显的感染迹象，而是转向了患者腹部进行的第一次平扫计算机断层扫描（CT）。平扫 CT 是一种不使用任何特殊造影剂的标准 X 射线图像，这使得它成为一种安全且常规的工具，在医院中已广泛应用。
研究人员收集了 2021 年 1 月至 2025 年 12 月期间入院的 253 名患者的数据。他们将这一群体分为两组：一组用于构建预测工具的大型组，以及另一组用于测试这些工具对新患者有效性的较小组。对于每一位患者，他们都观察了在症状开始后一周内拍摄的 CT 图像。通过使用专门的软件，他们手动描绘了图像中胰腺及其周围炎症区域的轮廓。这一过程创建了一个疾病组织的三维地图。通过这些地图，计算机提取了一百多个不同的测量值，寻找那些肉眼难以察觉的组织纹理、形状和亮度的细微模式。这些被称为“影像组学特征”的测量值，就像是疾病状态的数字指纹。
为了理解如此庞大的数据，团队将这些数字指纹与患者的临床记录相结合，其中包括生命体征、血液检查结果以及衡量患者病情严重程度的分数。他们使用统计方法来筛选信息，寻找能够最好地预测脓毒症到来的特定线索。他们发现，虽然仅凭临床数据可以提供良好的预测，且仅凭数字图像模式可以提供另一种类型的洞察，但最准确的工具是两者的结合。他们构建了一个名为“列线图”（nomogram）的评分系统，该系统通过整合患者特定的临床细节和其独特的图像模式，得出一个单一的概率得分。这个得分告诉医生患者发生脓毒症的可能性有多大。
当他们将这个组合系统应用于此前未见过的患者组进行测试时，证明这是最可靠的方法。该系统的 AUC 达到了 0.93，这是一个非常高的检测率。这一点尤为重要，因为漏诊脓毒症可能是致命的，而虚假警报可能只会导致更密切的监测。该系统在排除那些会保持健康的患者方面也表现出色，准确识别了 95.5% 的低风险病例。虽然该系统在确认那些并未发展为脓毒症的患者方面精确度稍逊，但研究人员指出，当目标是捕捉每一个可能的致命情况时，这种权衡是可以接受的。研究表明，计算机对 CT 图像的分析提供了血液检查和生命体征无法单独看到的信息，这表明炎症组织的纹理中蕴含着感染的早期预警信号。
研究人员谨慎地指出，这项工作是在单一医院进行的，且涉及的患者数量相对较少，因此在医生可以将其用于日常决策之前，需要在更大规模的人群和不同的医疗中心进行验证。他们还发现，虽然计算机模型在识别风险方面表现出色，但其给出的确切概率数值仍需进一步调整才能达到完美准确。然而，核心发现依然清晰：通过仔细观察标准平扫 CT 上的胰腺纹理，并结合常规患者数据，有可能比现有方法更早地发现脓毒症的风险。这种方法不需要新的设备或昂贵的测试，为利用医生现有的影像资料来挽救生命提供了一种潜在途径，使他们在处理最危险的胰腺炎并发症时能够抢占先机。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。