記者從海軍軍醫大學第二附屬醫院（上海長征醫院）獲悉，該院放射診斷科教授劉士遠團隊首創了一種利用全肺影像組學精準預測慢性阻塞性肺疾病（以下簡稱慢阻肺）的新方法。該方法基於胸部CT平掃圖像結合臨床基本特征，可高效預測慢阻肺。研究成果近日在線發表在國際醫學雜誌《軍事醫學研究》上。

慢阻肺是一種以持續氣流受限為特征的慢性炎癥性疾病，我國40歲以上人群的慢阻肺發病率為13.7%。臨床診斷和評估慢阻肺的「金標準」是肺功能檢測。但肺功能檢測技術不夠靈敏，而且目前在我國尚沒有廣泛用於慢阻肺的篩查。這導致許多慢阻肺患者早期診斷不出來，貽誤了幹預和治療的最佳時機。相比之下，隨著居民健康意識的提升及大規模肺癌篩查的普及，胸部CT的普及率更高。

劉士遠介紹，影像組學技術的不斷發展，為醫學影像輔助診療和疾病預測、預後帶來新的機遇。從不同模態的醫學影像中定量提取代表性的影像特征，可將醫學影像轉化為可挖掘的數字信息，再利用算法進行分析處理，並將其與臨床特征進行對比、分析、建模，從而可實現病變診斷和預測等。

該研究基於深度學習全自動分割模型，首次使用全肺影像組學特征聯合臨床變量，開發出一種精準預測慢阻肺的新方法，並應用諾莫圖清晰顯示了慢阻肺的患病概率。研究發現，聯合臨床信息和全肺影像組學特征的模型，在內部驗證集和外部驗證集中均具有最佳診斷效能。諾莫圖的構建，能將復雜的醫學圖像和數據以直觀的方式清晰呈現出來，幫助醫生快速識別疾病特征和異常變化，從而提高診斷準確性和效率。

據悉，這種方法不僅可以提高慢阻肺診斷的準確性和效率，還能為醫生提供早期預警和干預措施，從而幫助醫生更好地管理患者的病情，具有良好的轉化應用前景。