European Radiology：如何通过CT术前预测输尿管结石患者发生败血症的风险呢?

据统计，输尿管结石是泌尿系统的第三大常见疾病，发病率持续上升。目前，输尿管结石的治疗方案很多。随着各种辅助设备的不断创新和发展，传统的开放性手术方式已被各种类型的微创手术方式所取代，包括输尿管镜碎石术（FURL）和经皮肾镜碎石术（PCNL）。然而，腔内手术可能引起一些严重并发症的发生，其中败血症就是其一。败血症虽不常见，但却是并发症中最危险的一种，如果没有适当的识别和干预，可能导致休克和器官功能障碍。

研究表明，一些临床因素与败血症的发生有关，如尿液培养阳性、支架留置时间长、解剖结构异常等。然而，目前仍缺乏有效的术后早期败血症的定量预测模型，这对避免其发生至关重要。

平扫计算机断层扫描（CT）是输尿管结石诊断的标准检查方法，为尿路结石患者提供了多方位的成像参考。一些研究者试图根据Hounsfield单位（HU）值来分析结石成分。然而，由于部分容积效应，从CT图像中得出的HU值不能精确地描述结石内的情况。多项研究探讨了结石特异性放射组学和人工智能（AI）在泌尿系结石精确医疗管理中的应用，如自动检测、疗效预测和区分等。深度神经网络（DNN）是一种在输入特征和输出预测之间有多个层次的人工神经网络，已经被广泛应用于医学研究。

近日，发表在European Radiology杂志的一项研究探讨了常规算法（即LASSO）和DNN对接受FURL或PCNL后的输尿管结石患者术前预测发生败血症可能的诊断性能，为临床早期评估手术风险及预后提供了技术支持。

本项回顾性分析纳入了847名接受FURL或PCNL治疗的无症状输尿管近端结石的患者。所有参与者都在术前进行了平扫计算机断层扫描，同时收集了相关的临床信息。经过倾向性评分匹配，建立了放射组学模型来预测败血症的发生。本研究还调整了一个深度学习模型以进一步提高预测的准确性。这些模型的性能在另一个独立的外部验证集中得到了验证，包括40例输尿管结石患者。 

FURL或PCNL后败血症的总发生率为5.9%。最小绝对收缩和选择运算符（LASSO）回归分析显示有26个预测变量，总体AUC为0.881（95% CI，0.813-0.931），外部验证队列的AUC为0.783（95% CI，0.766-0.801）。对本研究的数据集进行深度神经网络（DNN）模型的调整，使内部验证的AUC提高到0.920（95% CI，0.906-0.933）。为了消除过拟合，对DNN模型进行了外部验证（AUC=0.874（95% CI，0.858-0.891）。 

图 放射组学模型中最具预测性的特征及其相应的系数。系数的绝对值越大，该特征就越重要

综上所述，本研究利用输尿管结石患者治疗前的NCCT图像证明了基于放射组学和DNN模型的诊断性能及实用性。DNN模型产生了更高的准确性，因此可成为促进输尿管结石患者败血症风险分层的重要影像学手段。

原文出处：

Mingzhen Chen,Jiannan Yang,Junlin Lu,et al.Ureteral calculi lithotripsy for single ureteral calculi: can DNN-assisted model help preoperatively predict risk factors for sepsis?DOI:10.1007/s00330-022-08882-5