经颈静脉肝内门体分流术（Transjugular intrahepatic portosystemic shunt, 简称TIPS）是治疗门脉高压并发症（例如静脉曲张出血和难治性腹水）的替代方法之一，该方法为在门静脉和肝静脉之间建立人工通道。然而，美国、中国和欧洲的指南都推荐内镜治疗和穿刺术治疗等姑息疗法作为门静脉高压的一线治疗方法，主要原因是TIPS术后显性肝性脑病（HE）的高发率（发生率为10%至50%）及易复发性，以及对患者的生活质量产生负面影响并增加死亡率。

一些临床和生物学指标与显性肝性脑病发生有关，如Child-Pugh评分和IL-6水平。近来传统的计算机断层扫描（CT）成像在肝硬化相关疾病中引起了关注。一些研究者研究肝脏的形态学评估，如肝脏表面结节性评分（2D层面）。然而，相较于2D评估，3D评估可有效避免层面选择及代表性导致的偏倚，具有潜在优势。而且深度学习方法已广泛用于医学图像分割任务，其中nnU-Net在许多分割任务中取得了优秀的性能。因此，如果nnU-Net可以实现3D肝脏脾脏自动分割，则提取形态学特征和高维特征，进而构建一个高精度模型来预测TIPS术后显性肝性脑病的发生的思路是可行的。

2023年8月2日，暨南大学附属珠海医院陆骊工、傅思睿共同通讯在Hepatology International在线发表题为“3D automatic liver and spleen assessment in predicting overt hepatic encephalopathy before TIPS: a multicenter study”的研究论文，该研究旨在构建一个基于3D自动肝脾评估的模型来预测经颈静脉肝内门体分流术后显性肝性脑病发生。该研究纳入2012年1月至2021年1月期间接受TIPS治疗的5家医院的487名患者，随访截止时间为2022年7月，其中152例患者发生显性肝性脑病。除了纳入临床指标外，还构建了基于CT的3D肝脾评估方法，具体步骤如下：1）使用nnU-Net实现肝脏和脾脏的自动分割；2）提取肝脏和脾脏的2D及3D数据，这两类数据均包括形态特征及高维特征，（1）形态特征上有两类指标，①第一类为直径或体积变化，例如肝脏最大直径或脾的体积；②第二类为CT值，例如肝脏平均CT值，脾脏CT值四分位间距等。为了控制个体差异，针对第一类特征，使用门静脉和脾静脉的直径来标准化；对第二类特征，使用肝脏脾脏间参数比较（例如肝脏和脾脏之间的平均CT值比值）；（2）高维特征，即使用影像组学所提取的高维信息。 结合LASSO（最小绝对收缩法和算子法）、SVM（支持向量机）和保序回归进行概率校准，构建了临床模型、2D模型、3D模型和综合模型四个预测模型，并比较四个模型之间的区分度和校准度来确定最佳模型，后进行亚组分析。结果显示：（1）3D模型比2D模型表现出更好的区分度（训练集AUC：0.719 vs. 0.691；验证集AUC：0.730 vs. 0.622）；（2）综合模型（临床与3D指标结合）优于单一的临床或3D模型（训练集AUC：0.802 vs. 0.735 vs. 0.719;验证集AUC：0.816 vs. 0.723 vs. 0.730；p < 0.050）；（3）验证综合模型效果，发现综合模型具有最佳的校准效果。并且最佳模型的性能不受总胆红素水平、Child-Pugh评分、血氨水平或TIPS手术原因的影响，总胆红素＜18.9 vs. 总胆红素≥18.9（0.832 vs.0.802，p = 0.478）；Child–Pugh评分＜8 vs. Child–Pugh评分≥8（0.830 vs. 0.787；p = 0.322）；术前血氨＜72.0 vs. 术前血氨≥72.0（0.830 vs.0.787；p = 0.383）；静脉曲张破裂出血与顽固性腹水（0.819 vs.0.820；p = 0.995），并且构建了综合模型的小程序，可清楚直观地显示低风险和高风险患者发生显性肝性脑病的风险。

总之，该研究指出3D自动化肝脾评估为预测显性肝性脑病提供了额外的信息，从而提高了适宜患者进行经颈静脉肝内门体分流术的机会。3D自动化肝脾评估也可用于与肝硬化相关的类似研究。

摘译自CHEN X, WANG T, JI Z, et al. 3D automatic liver and spleen assessment in predicting overt hepatic encephalopathy before TIPS: a multi-center study[J]. Hepatol Int, 2023, 17(6): 1545-1556. DOI: 10.1007/s12072-023-10570-5.

 (暨南大学附属珠海医院介入医学科  陈晓琼 陆骊工 报道)