CT影像组学识别非酒精性脂肪性肝炎的应用研究

目的 构建并验证基于CT的全肝影像组学模型用于识别非酒精性脂肪性肝炎（non-alcoholic steatohepatitis，NASH）。方法 回顾性选取2018年6月至2022年12月浙江省人民医院收治的122例非酒精性脂肪性肝病患者，其中NASH患者52例。将纳入患者按7：3比例随机分为训练组（n=85）和测试组（n=37），选取每例患者的肝脏平扫图像提取影像组学特征，对训练组提取的特征进行降维并建立影像组学标签，之后联合相关临床特征构建联合预测模型用于识别NASH患者，使用受试者操作特征曲线及测试组数据评估模型的诊断效能。结果 联合预测模型基于年龄和影像组学标签构建，该模型在训练组和测试组中识别NASH患者的诊断效能分别为0.899和0.880，特异性分别为91.2%和88.1%，敏感度分别为86.7%和88.2%。校准曲线在训练组和测试组中也显示出良好的校准性能。结论 基于肝脏CT的影像组学模型可定量评估NASH，有望为临床提供一种无创性评价工具。

Application study of non-alcoholic steatohepatitis based on radiomics of computed tomography