(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111297913.0 (22)申请日 2021.11.04 (71)申请人 复旦大学附属中山医院 地址 200032 上海市徐汇区医学院路13 6号 (72)发明人 董怡　楼文晖　王文平　王单松　 张磊　曹佳颖　范培丽　 (74)专利代理 机构 上海申汇 专利代理有限公司 31001 代理人 翁若莹　张业民 (51)Int.Cl. G16H 50/30(2018.01) G16H 50/50(2018.01) G16H 50/70(2018.01) G06N 20/00(2019.01) A61B 8/00(2006.01) (54)发明名称 胰腺切除术前无创定量评估术后并发胰瘘 风险的预测模型 (57)摘要 本发明涉及一种胰腺切除术前无创定量评 估术后并发胰瘘风险的预测模型， 属于医学影像 技术领域。 本发 明将临床实践中所 获取的真实图 像投入人工智能端， 结合超声多模态、 术前各项 胰瘘有关指标； 以AI算法深度挖掘图像中的影像 组学特征信息， 并对其综合评价、 筛选、 加权， 综 合运算、 提取有用信息， 结合患者术前各项特征 与有关实验室检查和影像学检查结果， 建立人工 智能预测术后胰瘘的诊疗模型。 本发 明从超声弹 性定量出发， 解决既往无法于胰腺切除手术前客 观评估胰腺质地的问题， 对胰腺质地进行无创定 量； 同时引进人工智能机器学习方法， 解决人工 分析图像时无法实时处理大量信息量的问题， 使 预测模型的效力与精确度最大化。 权利要求书1页 说明书7页 附图1页 CN 113948211 A 2022.01.18 CN 113948211 A 1.一种胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型， 其特征在于， 包括 以下步骤： 步骤1： 获取术前胰腺病灶常规超声及超声弹性图像， 进行SWV测量， 分别 对胰腺病灶及 胰腺体部实质测量3次， 取其平均值并记录； 获取患者胰瘘高风险因素指标， 搜集并记录； 术 后观察胰 瘘的发生， 搜集并记录； 步骤2： 构建预测胰 瘘风险的影 像组学模型； 步骤2.1： 将患者随机分为模型训练 组和模型测试组； 步骤2.2： 对患者胰腺病灶以及正常胰腺组织的灰阶超声图像， 使用第 三方标注软件进 行病灶与组织的标注， 分离出含有相关信息的图像区域； 步骤2.3： 按照IBSI中影像组学特征的定义， 对灰阶超声图像的原始图像、 高斯拉普拉 斯滤波、 小波变换和局部二值特征图像进行高通量影像组学特征提取， 提取 的特征包括病 灶和正常组织的形态学、 一阶特 征、 二阶纹 理特征和高阶衍 生图像特 征； 步骤2.4： 在模型训练组中以随访结果是否发生胰瘘为金标准， 通过方差分析、 单因素 逻辑回归、 最大相关最小冗余、 主成分分析或套索算法， 对影像组学特征进行筛选,挑选出 和胰瘘显著相关的影 像组学特征； 步骤2.5： 通过机器学习分类器， 对筛选出的影像组学特征与随访结果金标准进行学 习， 建立基于影像组学特征的预测模型； 计算每位患者对应的胰瘘风险概率和风险评 分； 同 时对超声组织弹性定量值、 术常规二维超声图像特征和实验室检查结果进行独立的单因 素‑多因素分析， 以统计检验P值小于0.05为标准筛选出与胰瘘具有显著相关性的特征； 使 用多变量逻辑回归的形式， 结合单因素分析中显著的超声弹性值、 影像学特征和影像组学 模型计算出的风险评分， 构建最终胰 瘘风险预测模型； 步骤3： 验证并优化胰 瘘预测模型。 2.如权利要求1所述的一种胰腺切除术前无创定量评估术后并发胰瘘风险的预测模 型， 其特征在于， 所述步骤3中验证并优化胰瘘预测模型包括对于模型效能和泛化型的测 量， 在模型测试组中使用模型对患者的胰瘘风险进行预测并与实际随访结果进行比对， 并 以受试者工作曲线下面积评估 模型对新输入图像的预测效能。 3.如权利要求1和2中任一项所述的一种胰腺切除术前无创定量评估术后并发胰瘘风 险的预测模型在评估 胰瘘风险上的应用。 4.如权利要求1和2中任一项所述的一种胰腺切除术前无创定量评估术后并发胰瘘风 险的预测模型在非诊断方法和非治疗方法中的应用。权　利　要　求　书 1/1 页 2 CN 113948211 A 2胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型 技术领域 [0001]本发明涉及 一种胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型， 属于 医学影像技术领域。 背景技术 [0002]胰瘘(Pancreatic  Fistula)是急性胰 腺炎、 慢性胰腺炎、 腹部手术(特别是胰 腺切 除手术)和腹部外伤后最严重的并发症之一。 离开正常流出道的胰液可在腹腔内积聚引起 周围组织坏死， 进而继发感染， 感染更可使得胰酶激活过程加快， 加强胰液消化和腐蚀作 用。 胰液蚀破胃肠道可引起胃、 小肠、 结肠等出血和内瘘， 若蚀破血管可引起致命性大出血。 对于一般情况较差的病人更可继发腹腔和腹膜后难以控制的多处脓肿， 并很快出现多器官 功能障碍甚至死亡。 许多胰腺病变如重症急性胰腺炎(Severe  Acute Pancreatitis,SAP)、 胰腺肿瘤等， 除本身即可引起胰瘘外， 其主要治疗手段 ‑胰腺切除术(Pancreatectomy)也是 引起胰瘘的重要原因， 其主要危险因素有BMI(≥25)、 术前血清γ ‑GGT浓度(>150U/L)、 主胰 管内径大小(≤3mm)、 手术时间(≥360min)、 胰腺脂肪浸润、 胰腺组织纤维化程度(≤25％) 等。 在临床实践上， 若能在手术治疗前有效的、 无创的预测胰腺肿瘤患者术后胰瘘发生的风 险， 可以为临床决策提供更多的循证依据。 然而， 目前对于胰腺切除术后胰瘘发生的风险评 估尚缺乏客观有效的指标， 更多时候是依赖临床 医师的经验判断， 或开腹术中凭借触诊胰 腺的方式， 对胰腺质地进行主观的判断， 不仅容易存在观察者间差异、 结果难以量化， 缺乏 术前预测的可能性。 因此， 获得一种能够早期敏感、 准确无创、 定量预测胰腺切除手术后并 发胰瘘风险的方法十分重要。 [0003]既往的研究发现,胰腺实质的软硬度(Stiffness)与胰 腺组织的弥漫性改变,包括 脂肪浸润(Fatty  Infiltration)及纤维化(Fibrosis)等改变相关。 如何通过简单、 快速、 无 创、 可重复的影像学方法在术前准确 量化胰腺质地， 评估胰腺疾病本身及切除术后可能发 生胰瘘的风险， 提高患者的预后是近年来的研究热点， 也是许多临床医师的共识。 本发明前 期研究中曾在术前利用声触诊组织弹性定量技术(Virtual  Touch tissue Imaging and  Quantification  technology， VTIQ)对于患者胰腺质地/纤维化程度(Fibrosi s Degree)进 行定量评估， 结合术后随访结果， 得到预测术后并发胰瘘的弹性定量值， 并与传统术中触诊 的方法进行比较， 获得 更为客观而精准的评估成果。 [0004]基于人工智能的深度学习方法， 将临床实践中所获取的真实图像投入人工智能 端， 深度挖掘图像中的影像组学特征信息， 克服人工检视图像时可能遗漏的微小纹理特征， 并对其综合评价、 筛选、 加权， 综合运算、 提取有用信息， 结合患者术前各项 特征与有关实验 室检查和影像学检查结果， 建立人工智能预测 术后胰瘘的诊疗新模型， 实现术前简单而准 确预测的愿景。 本技术方案是基于超声多模态影像， 以影像组学及A I技术为依 托， 建立超声 可视化定量预测胰腺切除术后并发胰 瘘的诊疗新模型， 为临床决策提供 可靠的信息 。说　明　书 1/7 页 3 CN 113948211 A 3