摘要
目的：探讨CT影像组学联合腰大肌指数（PMI）对急性胰腺炎（AP）严重程度的评估及预测价值。方法：回顾性选取2023年1月—12月本院收治的AP患者160例，根据程度不同将患者分为重症（41例）和非重症（119例）两组。由两名影像科医生从CT图像中提取胰腺影像组学特征和腰大肌指数（PMI）；对PMI及患者营养风险与AP严重程度分别进行相关性分析；采用完全随机法将患者按7:3的比例分为训练集（112例，重症组24例，非重症组88例）和测试集（48例，重症组17例，非重症组31例），使用逻辑回归算法（LR）构建临床模型、CT影像组学模型和引入PMI特征的PMI-CT影像组学模型，利用受试者工作特征曲线（ROC）评价三种模型的预测效能。结果：PMI与营养风险呈显著负相关(r=0.72，P<0.05)；PMI与AP严重程度呈显著正相关（r=-0.93，P<0.05）；临床模型、CT影像组学模型和PMI-CT影像组学模型在训练集中的ROC曲线下面积（AUC）分别为0.78、0.89和0.91，在测试集中分别为0.77、0.88和0.90。结论：PMI与急性胰腺炎的严重程度及预后具有较强相关性；引入PMI特征的PMI-CT影像组学模型可以作为一种可靠的工具，对AP患者能更准确地评估疾病严重程度和预后风险。
Abstract
Objective To investigate the value of CT radiomics combined with the psoas muscle index (PMI) in assessing and predicting the severity of acute pancreatitis (AP). Methods A retrospective analysis was conducted on 160 AP patients admitted to our hospital from January 2023 to December 2023. Patients were divided into a severe group (41 cases) and a non-severe group (119 cases). Pancreatic radiomics features and PMI were extracted from CT images by two radiologists. Correlation analysis of PMI and patient nutritional risk with AP severity. Patients were randomly divided into a training set (n=112, with 24 cases in the severe group and 88 cases in the non-severe group) and a testing set (n=48, with 17 cases in the severe group and 31 cases in the non-severe group). Logistic regression (LR) was used to construct three models: a clinical model, a CT radiomics model, and a PMI-CT radiomics model incorporating PMI features. The predictive performance of the three models was evaluated using the receiver operating characteristic (ROC) curve. Results PMI was significantly negatively correlated with nutritional risk (r=-0.72, P<0.05) and significantly positively correlated with AP severity (r=-0.93, P<0.05). The areas under the ROC curve (AUC) for the clinical model, CT radiomics model, and PMI-CT radiomics model in the training set were 0.78, 0.89, and 0.91, and in the testing set were 0.77, 0.88, and 0.90. Conclusion PMI is strongly associated with the severity and prognosis of acute pancreatitis. The PMI-CT radiomics model, incorporating PMI features, can serve as a reliable tool for more accurately assessing the severity and prognostic risk in AP patients.
急性胰腺炎（acute pancreatitis，AP）是一种常见的急腹症，其发病率在全球范围内呈上升趋势[1]。根据修订版亚特兰大分类（revised Atlanta classification，RAC）[2-3]，AP可分为轻症和重症（中重症和重症），后者伴有较高的并发症发生率和死亡率。早期准确评估AP的严重程度对于提高治疗效果、降低死亡率具有重要意义。在临床实践中，CT是评估AP严重程度的标准成像方式之一[4]。随着影像组学的兴起，通过高级图像处理技术和量化分析，从CT图像中提取的生物标志物为疾病的诊断和预后提供了新的视角，对AP严重程度的预测有较高的效能[5]。营养不良是重症AP患者常见的并发症，也是影响预后的重要因素。传统营养评估方法如血清白蛋白等受急性期反应蛋白的影响较大，且不能及时反映肌肉消耗状况。近年来研究发现，腰大肌指数（psoas muscle index，PMI）作为一种新型营养评估指标，能够客观反映骨骼肌含量，对评估重症患者的营养状态具有重要价值[6]。本研究通过引入PMI，将患者的体格特征及营养状态与CT影像组学特征相结合，旨在进一步提高对AP严重程度的预测准确性，以期获得更全面和准确的预测模型。
1 资料与方法
1.1 一般资料
回顾性选取2023年1月—12月在我院就诊的AP患者共160例，其中男83例，女77例，年龄（57.1±12.8）岁。纳入标准：1）符合RAC有关AP诊断标准；2）入院48 h内行全腹部CT平扫及增强检查；3）临床资料完整。排除标准：1）合并慢性胰腺炎或胰腺肿瘤；2）存在其他严重疾病如恶性肿瘤等；3）影像质量差，不适合影像组学分析。根据RAC分类，将160例患者分为重症组（41例）和非重症组（119例）。
1.2 CT检查方法
采用飞利浦256排螺旋CT对AP患者进行全腹部CT平扫及三期增强扫描。患者取仰卧位，屏气下进行扫描，扫描参数：管电压120 kV，管电流220 mA，层厚1 mm，螺距1.0，视野512 mm×512 mm。使用碘海醇100 mL:35 g（I）对比剂，经右肘正中静脉注射对比剂80 mL，注射速率2.5 mL/s，分别于注射后动脉期25 s、静脉期40~65 s和延迟期3 min采集图像。
1.3 营养状态评估及分组
采集患者入院时空腹静脉血，检测血清白蛋白（ALB）及前白蛋白（PA）。使用营养风险筛查2002（NRS 2002）评分量表进行营养风险评估，总分≥3分归为有营养风险组，<3分归为非营养风险组。本组患者中，有营养风险组38例，非营养风险组122例。
1.4 PMI测定及分组
将纳入研究的CT图像以DICOM格式导入到3D Slicer软件，由两名高年资放射科诊断医师独立对L3层面的腰大肌进行分割。将分割的腰大肌图像导入Statistics插件，提取腰大肌面积，并与患者身高的平方相除计算腰大肌指数PMI（cm2/m2）。依据肌少症评价标准[7-8]将患者分为低PMI组（男性<5.0 cm2/m2，女性<3.5 cm2/m2）及常规PMI组。本组患者中，低PMI组39例，常规PMI组121例。
1.5 图像特征提取及模型构建
由两名高年资放射科诊断医师利用3D Slicer软件独立对胰腺进行分割。将分割的胰腺实质图像导入Radiomics插件，提取以下特征：一阶统计量特征、灰度共生矩阵（GLCM）、灰度长度矩阵（GLRLM）、灰度形状矩阵（GLSZM）、小波特征、平方值、平方根、对数特征及指数特征等。采用方差选择法对提取的组学特征进行初步筛选，选择方差大于0.8的特征值进行下一步分析。对分类变量进行卡方检验，对连续变量进行皮尔森相关系数分析，保留P<0.05的特征。采用最小绝对值收敛和选择算子（LASSO）对影像组学数据进行降维，筛选出最佳影像组学特征构建组学模型。按照7∶3的比例将患者分为训练集（112例，重症组24例，非重症组88例）和测试集（48例，重症组17例，非重症组31例）。利用多因素逻辑回归算法（LR）构建以下模型：临床模型、CT影像组学模型、引入PMI特征的PMI-CT影像组学模型。
1.6 统计学分析及模型效能评估
采用R4.4.0进行统计学分析。利用K-S检验对计量资料进行正态性检验，符合正态数据用均数±标准差表示，行独立样本t检验；偏态分布数据用中位数表示，行Mann-Whitney U检验；计数资料行χ2检验。采用组内相关系数（intraclass correlation coefficient，ICC）评价两名医师提取的胰腺组学特征与腰大肌指数的一致性。当ICC值≤0.4，表示一致性较差，当ICC值为0.4~0.59，表示一致性一般，当ICC值为0.6~0.75，表示一致性较好；当ICC值>0.75，表示一致性良好。对PMI与营养风险及两者与AP严重程度分别进行相关性分析，符合正态分布的数据行Pearson检验，偏态分布数据行Spearman检验。将测试集病例应用到构建的临床模型、CT影像组学模型和PMI-CT影像组学模型中，计算三种模型的准确度、敏感度、特异度、阳性预测率、阴性预测率及F1分数，利用受试者工作曲线（receiver operating characteristic，ROC）计算曲线下面积（area under curve，AUC），评估三种模型的诊断效能。采用R语言pROC包比较ROC的差异，AUC比较采用DeLong法。P<0.05为差异具有统计学意义。
2 结果
2.1 两组患者一般资料及血清学指标比较
重症组与非重症组患者的性别、体质量指数（BMI）及病因方面无统计学差异（P>0.05）。重症组患者年龄、白细胞计数、C反应蛋白、血糖、乳酸脱氢酶、谷草转氨酶、尿素氮明显高于非重症组（P<0.05），见表1。典型病例见图1。
表1两组患者一般资料及血清学指标比较
注：a与非重症组比较，P<0.05
图1不同严重程度的急性胰腺炎腹部CT图像L3层面胰腺形态及腰大肌面积
2.2 两组患者营养指标及预后情况比较
通过ICC分析，两名医生在腰大肌的分割和面积计算上达到了高度一致性（ICC=0.88），显示了评估过程的可靠性。重症组患者的营养指标（白蛋白及前白蛋白）以及PMI均低于非重症组，差异有统计学意义（P<0.05）；重症组患者的平均住院时间和死亡率明显高于非重症组（P<0.05），见表2。
表2两组患者营养指标及预后情况比较
注：a与非重症组比较，P<0.05
2.3 PMI与AP患者营养风险及AP严重程度的相关性
AP患者的PMI与营养风险呈显著负相关（r=-0.72，P<0.05），见表3。PMI与预后呈显著正相关（r=0.93，P<0.05），见表3、图2。
表3PMI与营养风险及预后的相关性
注：a与常规PMI组比较，P<0.05
2.4 影像组学特征
两名医生在影像组学特征的提取上达到了高度一致性（ICC=0.91），显示了评估过程的可靠性。经过维度缩减和特征选择后，最终保留了4个组学特征，集群阴影（ClusterShade）、区域熵（ZoneEntropy）、峰度（Kurtosis）及表面密度（Surface Area Density），用于构建影像组学模型，见图3。
2.5 模型效能分析
临床模型、CT影像组学模型和PMI-CT影像组学模型在训练集中的AUC分别为0.78、0.89和0.91，在测试集中分别为0.77、0.88和0.90，经DeLong检验，三条ROC曲线的AUC具有统计学差异（P<0.05），见表4和图4。
图2PMI及营养风险与预后的相关性
图3患者影像组学维度缩减及特征选择
表4三种预测模型在评估AP预后的性能比较
图4三种模型的预测效能比较
3 讨论
3.1 急性胰腺炎的临床特性
AP是一种常见的胰腺疾病[9]，在临床实践中，根据患者的病情严重程度可以选择适当的治疗方法，包括休息、液体补充、疼痛管理、营养支持甚至手术干预[10]。因此，对AP严重程度的准确预测对于改善患者的预后和治疗效果具有重要意义。本研究根据RAC分类将AP患者分为重症组和非重症组，通过构建临床模型发现，除多种生化指标诊断和评估AP外，年龄与AP的严重程度存在一定的关联，随着年龄的增长，患者的体质可能更虚弱，同时伴有其他慢性疾病，这些因素都可能加重胰腺炎的症状和并发症[11]。而性别与AP的严重程度无显著相关性，可能与我院收治的胆道疾病较多，男女AP患者均与胆石症有更高的关联有关。
3.2 PMI作为营养风险评估指标的优势及预测价值
营养风险是指机体现有营养状况致使患者发生不良预后的风险，如机体抵抗力持续降低，继发中、重度感染，影响疾病康复进程等[12]。据统计，住院患者发生营养风险的比率为13.0%~48.6%[13]，AP患者发生营养风险的比例更高[14]。营养风险筛查是根据传统营养指标进行量表赋分，对患者整体营养状况进行评估，从而指导医护人员对营养状况差、潜在风险高的患者进行早期干预。目前，临床上常用的营养评估方法包括：实验室生化指标（如白蛋白、前白蛋白等）、直接人体参数测量（如体重、握力、BMI等）以及营养风险筛查评分（NRS2002）等[15]，既往研究表明，NRS2002用于评估胰腺炎患者的营养风险具有广泛适用性[16-17]。本研究提示PMI与传统营养指标也具有良好的相关性，且不受急性炎症反应的影响，并可以随着CT检查较易获得，这与Bahat等[18]和Kirzhner[19]等研究结果一致。本研究中PMI与AP的严重程度存在明显的负相关，41例重症患者中37例归于低PMI组，29例（含2例死亡病例）低于Hamaguchi等[20]和Tee等[21]研究的关于亚洲人CT下L3腰大肌指数的临界值（男性4.43 cm2/m2，女性3.26 cm2/m2），说明肌肉量减少（肌肉消耗或营养不良）与较差的临床结局相关。因此，AP患者如果存在营养不良，则炎症反应更严重，住院时间和恢复时间更长，也更容易出现并发症如感染和多器官衰竭，提示PMI可作为预测AP严重程度及预后的独立因素。除炎性病变，在恶性肿瘤及肝移植预后评估等方面，PMI都有很好的临床价值和预测效能[22]。
3.3 PMI-CT影像组学模型及临床意义
影像组学作为一种影像学分析工具，已经在CT和MRI等领域进行了非常多的研究和应用[23]。通过CT影像组学联合PMI对AP严重程度进行评估还未见报道，本研究使用方差选择法及LASSO对数据进行降维和特征提取，最终保留了4个组学特征，构建了单纯的CT影像组学模型，ClusterShade和Kurtosis在胰腺存在水肿或坏死时纹理的异质性方面特征权重强，这与以往研究结果一致[24-25]。通过结合患者营养状况的PMI-CT影像组学模型，能够获取到更多影响病情严重程度的因素，而CT影像组学模型虽然性能优于临床模型，但相较于PMI-CT影像组学模型，它缺乏对患者具体身体状况的直接考量，这在预测AP等复杂性疾病是一个限制因素[26]。临床模型虽然实用，但不足以捕捉到所有潜在的疾病严重性指标，特别是在没有详细影像数据支持的情况下。通过整合临床指标、影像数据及营养状况，医生能更全面地评估患者的健康状态，尤其是在识别高风险患者方面，此模型显示出显著的优势，在急性胰腺炎患者的出院诊断和预后方面，模型的预测结果与临床评估高度吻合。这种高度一致性表明PMI-CT影像组学模型不仅具备良好的预测能力，也能为临床决策提供有价值的参考，帮助医生制定个性化的治疗方案，尤其是对复发性急性胰腺炎，在影像组学和营养状态多维度因素考量下，提升患者的整体管理效果。
3.4 模型实施的挑战
尽管PMI-CT影像组学模型在本研究中显示出优越性，但其实施过程中存在的挑战也不容忽视。CT影像组学分析的复杂性要求有专门的软件和专业知识，腰大肌面积的准确测量也需要标准化的操作流程，这些要求可能会限制模型在一些资源有限的医疗环境中的应用。另外，PMI的应用仍存在争议[27]，且在模型拟合的过程中还应避免产生潜在的多重共线性问题。因此，未来的研究还应寻求简化这些评估工具的使用流程，同时开发更为普遍适用及泛化能力更好的预测模型。
综上所述，本研究的结果提供了一种新的预测AP严重程度的方法，帮助医生更全面地评估患者的健康状态，为改善患者的临床结果和治疗效果提供了重要的科学依据。通过进一步优化和验证这一模型，我们有望在提高AP患者预后评估的准确性的同时，为其他复杂疾病的管理提供有价值的参考。