（荔枝新闻讯 通讯员/黄义飞 刘敏 程守勤）近日，中国门静脉高压联盟一项多中心研究成果，发表在国际放射学顶尖期刊、北美放射学会会刊《放射学（Radiology）》 （中科院医学一区Top，SCI IF: 29.146）。该项研究首次建立肝脏血管组学人工智能模型，明确了以血管几何特征诊断肝硬化门静脉高压的可行性，并为模型诊断补充了有力的病理生理学解释，有望快速技术转化并临床应用。中国门静脉高压联盟创始人、东南大学附属中大医院院长助理、门静脉高压中心主任祁小龙为该研究通讯作者，复旦大学人类表型组研究院王成彦为第一作者。

　　据介绍，肝硬化门静脉高压的无创诊断是该领域的研究热点。在前期工作中，中国门静脉高压联盟两项研究者发起的多中心研究（CHESS1701、CHESS1802）实现了深度神经卷积网络技术、影像组学技术对临床显著性门静脉高压（CSPH）的无创诊断。

　　祁小龙教授告诉记者，此项研究基于CHESS1701和CHESS1802两项多中心研究队列，首次开发了一套基于人工智能CT/MRI肝脏血管组学预测模型的自动化门静脉高压无创诊断方法，包括自监督的肝脏血管自动三维自动分割网络、肝脏血管几何参数的自动提取算法、血管结构的关联网络模式分析、肝硬化门静脉高压无创诊断模型。该研究分析了肝内血管形态学在临床显著性门静脉高压人群中的变化规律，通过组学分析发现了门静脉高压的肝脏血管重新分布特征：临床显著性门静脉高压患者血管密度显著降低，尤其是远端血管丰富度明显下降；临床显著性门静脉高压患者血管关联度显著增加，考虑为肝脏相邻血管的代偿作用。模型通过特征工程共筛选出肝硬化的关键血管组学指标30余个，并取得了显著优于传统模型的诊断性能。此项研究在213例临床显著性门静脉高压患者和310例无临床显著性门静脉高压患者的回顾性队列中，构建了肝脏血管组学预测模型，实现了在肝硬化患者中准确识别临床显著性门静脉高压，并在两个外部测试队列上同样具有较高的诊断能力。

　　研究专家指出，相比于传统影像组学模型，该研究首次建立肝脏血管组学人工智能模型不局限于单模态影像的应用，可以在多模态影像统一预测而无需额外训练和调参，并具有更好的泛化性能，有利于临床的应用和推广。既往人工智能相关技术局限于“黑盒子”，临床医师无法解释其决策过程。