利用深度学习研究2型糖尿病的全自动腹部CT生物标志物

• 作者: 姚峄杉（译） 李畅（译） 熊坤林（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 601
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.r0704

摘要

胰腺内外的CT生物标志物可能用于诊断2型糖尿病。此前关于这一主题的研究已经有了显著的结果，但其受到手动方法和样本量偏小的限制。目的 使用全自动深度学习通过临床大数据研究2型糖尿病的腹部CT生物标志物。资料与方法 为进行外部验证，回顾性收集2004—2016年连续接受常规结直肠癌CT结肠镜筛查的病人的腹部非对比CT影像。使用深度学习方法分割胰腺，该方法输出兴趣区的测量值，包括CT衰减值、体积、脂肪含量和胰腺分形维数。同时评估其他生物标志物，包括内脏脂肪、动脉粥样硬化斑块、肝脏和肌肉CT衰减值以及肌肉体积。采用单因素和多因素分析方法，根据诊断2型糖尿病到CT检查的时间以及临床因素进行分组，临床因素包括病人的性别、年龄、体质量指数（BMI）、BMI>30 kg/m2、身高等。采用多项logistic回归确定2型糖尿病的最佳预测因素。结果 共评估8 992例病人[平均年龄（57±8）岁；女5 009例]，其中572例患有2型糖尿病。深度学习模型中胰腺的Dice相似系数均值为0.69±0.17，与观察者间的Dice相似系数均值0.69±0.09 （P=0.92）相似。单因素分析显示，与非糖尿病病人相比，糖尿病病人的胰腺CT衰减平均值更低[平均(18.74±16.54) HU 和（29.99±13.41） HU； P<0.000 1]以及内脏脂肪体积更高[平均（235.0±108.6） mL和（130.9±96.3） mL；P<0.000 1]。此外，糖尿病病人的胰腺衰减随着病程的延长也呈进行性下降。最终的多因素模型显示，非糖尿病病人和CT检查前后0 ~2 499 d确诊为糖尿病的病人之间，其受试者操作特征曲线下面积（AUC）分别为0.81和0.85。在多因素分析中，增加临床数据并不能改善基于CT的AUC表现（仅CT模型的AUC=0.67，CT和临床模型的AUC=0.68）。2型糖尿病的最佳预测指标包括胰腺内脂肪百分比、胰腺分形维数、L1和L4椎体水平之间的斑块严重程度、肝脏CT衰减平均值和BMI。结论 2型糖尿病的诊断与腹部CT生物标志物密切相关，尤其是胰腺CT衰减值和内脏脂肪指标。