深睿医疗炎症性肠病鉴别方向科研成果被ATM收录
近期，深睿医疗联合山东大学齐鲁医院（青岛）孟祥水教授团队，基于多层螺旋CT (MSCT)动脉期增强图的放射组学列线图结合临床因素以鉴别克罗恩病（CD）和溃疡性结肠炎（UC）的科研论文被 SCI期刊--转化医学年鉴《Annals of Translational Medicine》(IF 3.297)收录。
“An MSCT-based radiomics nomogram combined with clinical factors can identify Crohn's disease and ulcerative colitis”
炎症性肠病(Inflammatory bowel disease, IBD)是一组非特异性的慢性、反复发作的肠道炎症疾病。它具有终身复发的倾向，表现为反复交替感染和缓解的慢性过程，被称为绿色癌症，每个大洲的发病率都在上升。内镜结合病理是目前公认的IBD诊断的一线检查方法，这种方法在临床上综合评估IBD有一定的局限性。多层螺旋CT (Multislice computed tomography, MSCT)能更好地显示整个肠壁，允许同时诊断与IBD相关的并发症。但由于CD（克罗恩病）与UC（溃疡性结肠炎）均可累及回肠末端、结肠、直肠，CT征象有一定程度的重叠，故二者的鉴别诊断复杂。为实现IBD的个性化精准治疗，区分CD和UC至关重要，并有助于选择合适的治疗策略。
本研究的数据收集规则和患者的MSCT影像，回顾性分析了87例经内镜或手术病理证实的炎症性肠病患者165个病变(99 CD, 66 UC)的MSCT影像，选取80%作训练队，20%作测试。基于深睿医疗多模态科研平台，从每个ROI中提取1648个影像组学特征，采用Pearson相关和树模型进行特征选择，训练了5种机器学习分类器，包括：logistic回归(LR)、支持向量机(SVM)、随机森林(RF)、随机梯度下降(SGD)和线性判别分析(LDA)。对比获得最佳分类器，并将结果转化为Rad_score,结合3个临床显著因素，采用多元logistic回归方法生成列线图（Nomogram），并与临床模型和纯组学模型进行比较。本研究进一步探讨了影像组学方法在CD和UC鉴别诊断中的有效性，以准确、定量、客观、可重复性地鉴别CD和UC。
图1.数据的纳入排除情况和典型的UC患者和CD患者的MS-CT扫描结果
结果显示，在所有机器学习分类器中，LR表现最好，SGD模型表现第二。经DeLong检验显示：LR与SGD间无显著性差异，其他模型表现较差。在所有影像组学特征中，纹理特征对模型分类能力的影响最大。3个临床显著因素为：肠周渗出、动脉期增强CT值(AP-CT值)和发病部位。最终，根据3个显著性临床因素和Rad_score构建列线图，其AUC明显高于临床模型和LR模型。
因此，本研究结合临床显著因素和组学得分构建的放射学列线图，有望为放射科医师快速识别CD和UC提供一种新的辅助诊断工具。
图2. 研究的流程图
深睿医疗与各大高校和医疗机构合作，在临床疾病的各类研究中取得了丰硕的成果，涵盖深度学习、影像组学、机器学习等范畴。硕果的背后，深睿医疗多模态科研平台发挥了重要的作用。医学是天然的多模态数据场景，深睿医疗自主研发的医学多模态科研平台基于AI核心技术开发，辅助医院轻松高效做科研，快速产出高价值的科研成果，目前科研成果累积影响因子已达400，在今后的道路上，深睿医疗将持续发挥创新优势，运用人工智能前沿技术助力各种疾病研究和医疗应用场景开发，为智慧医院建设贡献科技力量。
*Annals of Translational Medicine杂志, 影响因子为3.297，关注公共卫生，聚焦临床，紧跟基础；致力于生物医学领域跨学科的知识交流与传播，报道生物医学领域的最新研究成果，为疾病的诊断和防治提供最新最实用的信息。
文献引用信息
1
Li H, Mo Y, Huang C, Ren Q, Xia X, Nan X, Shuai X, Meng X. An MSCT-based radiomics nomogram combined with clinical factors can identify Crohn's disease and ulcerative colitis. Ann Transl Med. 2021 Apr;9(7):572.