海军军医大学第二附属医院（上海长征医院）放射诊断科刘士远教授团队在慢性阻塞性肺疾病诊断研究中取得新成果，首创一种利用全肺影像组学精准预测慢性阻塞性肺疾病（COPD）的新方法：基于胸部CT平扫图像联合临床基本特征，达到高效预测COPD的效能。该研究成果近日在线发表在国际医学杂志《军事医学研究》（Military Medical Research，影响因子21.1）上。

刘士远 教授

上海长征医院放射诊断科主任、主任医师

中华医学会放射学分会主任委员

据悉，慢性阻塞性肺疾病（COPD）是全球第3大致死原因，是《健康中国2030行动计划》重点防治疾病之一，它是一种以持续气流受限为特征的慢性炎症性疾病，我国40岁以上人群的慢阻肺发病率为13.7%。临床诊断和评估COPD的金标准是肺功能检测，但肺功能检测不够敏感，而且目前在我国尚没有广泛用于COPD的筛查，导致许多人早期诊断不足，贻误早期干预和治疗。

相比之下，随着居民健康意识的提升及大规模肺癌筛查的普及，胸部CT的普及率更高。影像组学（radiomics）技术是一种新的医学影像分析方法，为高通量地从医学影像图像中提取并分析大量定量特征，实现病灶分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析,辅助医师做出更准确的诊断提供了可能。

刘士远教授表示，随着影像组学技术的不断发展，为医学影像辅助诊疗和疾病预测、预后带来了新的机遇和挑战，通过从不同模态的医学影像定量提取代表性的影像特征,将医学影像转化为可挖掘的数字信息，利用算法进行分析处理,并将其与临床特征进行对比、分析、建模，从而实现病变诊断和预测等。

该研究基于深度学习全自动分割模型，首次使用全肺影像组学特征联合临床变量，开发出一种精准预测COPD的研究方法，并应用诺莫图清晰显示COPD的患病概率，研究发现联合临床信息和全肺影像组学特征的联合模型在内部验证集和外部验证集中均具有最佳诊断效能，ROC曲线下面积（AUC）分别为0.873和0.853，灵敏度分别为81.8%及88.5%。诺莫图的构建能将复杂的医学图像和数据以直观的方式清晰呈现出来，帮助医生快速识别疾病特征和异常变化，从而提高诊断准确性和效率。

影像组学及人工智能在COPD的诊断、分级、治疗和预后评估中具有广泛的应用前景。它不仅可以提高诊断的准确性和效率，还能为医生提供早期预警和干预措施，从而更好地管理患者的病情，具有很好的转化应用前景。

刘士远教授团队长期致力于胸部重大慢病的检出、诊断、分级、预后及疗效评价等临床关键问题；创新性应用了影像组学和人工智能技术开展了胸部重大疾病临床诊疗路径全流程的系列研究，获批了科技部重点研发计划、国家自然科学基金重点项目、国家自然科学基金面上项目等多项国家级项目，获上海市科技进步一等奖。

在刘士远教授的带领下，上海长征医院放射诊断科团队牵头制定了多部行业指南和专家共识，引领医学影像学人工智能的转化应用；牵头组织和起草了以《慢性阻塞性肺疾病胸部CT检查及评价中国专家共识》为代表的11项胸部AI相关的专家共识和团体标准；还牵头创建了国家卫健委能力建设和继续教育中心放射影像COPD标准化影像数据库，完成了30余家单位参与共建的标准化CT和X线数据库，为COPD的智能化研究奠定了夯实的基础。

上海长征医院放射诊断科周陶胡硕士研究生为本论文第一作者，周秀秀主治医生为共同第一作者，范丽教授为通讯作者。