藥物性肝損傷（DILI）嚴重危害人類健康，約20%的患者會進展至DILI的慢性化，表現(xiàn)為反復持續(xù)的肝臟炎癥，嚴重者會持續(xù)進展至肝纖維化，損傷患者的生命健康和生活質(zhì)量，但目前仍缺少有效預測DILI慢性化的工具。越來越多的證據(jù)表明，影像組學可應用于多種肝臟疾病的診斷分期，包括肝臟腫瘤及彌漫性肝?。ㄈ绺卫w維化）。但是，目前影像組學尚未應用于DILI的慢性化預測。

來自上海交通大學的付豪爽等發(fā)現(xiàn)臨床-影像組學模型可預測DILI的慢性化。在該研究中，基于DILI患者的肝臟MRI影像，共納入168例接受過肝臟磁共振增強成像的DILI患者。DILI的診斷依據(jù)RUCAM評分量表。進展至慢性化或恢復的DILI患者被隨機以7∶3的比例劃分為訓練隊列和驗證隊列。團隊在訓練隊列中，使用最小絕對收縮和選擇算子回歸分析篩選恢復患者和慢性化患者之間的主要影像組學差異特征，再通過支持向量機方法建立Rad評分。最后，使用Logistic回歸分析建立一個綜合了臨床特征和Rad評分的預測模型并基于此建立便于臨床使用的列線圖，即臨床-影像組學模型。同時在驗證隊列中對該模型的預測性能以及患者臨床獲益進行驗證評估。在提取的1 672種影像組學特征中，共篩選出28種特征用于建立Rad評分。Rad評分和膽汁淤積型/混合型肝損傷被鑒定為DILI患者慢性化的獨立危險因素。結(jié)果顯示，臨床-影像組學模型綜合了Rad評分和患者肝損傷類型信息，可以有效預測DILI患者的慢性化結(jié)局（AUC=0.89，95%CI：0.87～0.92），且具有較好的校準性能和患者臨床獲益，同時在驗證隊列中進行了驗證（AUC=0.88，95%CI：0.83～0.91）。

綜上所述，該研究建立了具有良好性能的早期預測DILI 患者慢性化的無創(chuàng)性工具，為DILI 患者的臨床管理提供了新方法，并揭示了影像組學在DILI領(lǐng)域中的巨大潛力。

摘譯自FU H， SHEN Z， LAI R， et al. Clinic-radiomics model using liver magnetic resonance imaging helps predict chronicity of drug-induced liver injury［J］. Hepatol Int， 2023， 17（6）： 1626-1636. DOI： 10.1007/s12072-023-10539-4.