Hepatology International｜经颈静脉肝内门体分流术后显性肝性脑病发生的预测：一项基于3D自动化肝脾评估的多中心研究

经颈静脉肝内门体分流术（TIPS）是治疗门静脉高压并发症（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、中国和欧洲指南均推荐将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）的高发率及易复发性，以及对患者的生活质量产生负面影响并增加病死率。

一些临床和生物学指标与显性HE 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，通过nnU-Net可以实现3D肝脏和脾脏自动分割，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HE发生值得探究。

来自暨南大学附属珠海医院的陆骊工等的研究旨在构建一个基于3D自动肝脾评估的模型来预测TIPS后显性HE的发生。该研究纳入2012年1月—2021年1月期间接受TIPS治疗的5家医院的487例患者，随访截止时间为2022年7月，其中152例患者发生显性HE。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4个预测模型，并比较4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（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（Child-Pugh 评分＜8 vs Child-Pugh 评分≥8∶0.830 vs 0.787，P=0.322））、血氨水平（术前血氨＜72.0 vs术前血氨≥72.0∶0.830 vs 0.787，P=0.383）或TIPS 手术原因（静脉曲张破裂出血 vs 顽固性腹水：0.819 vs 0.820，P=0.995））的影响。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。

综上所述，该研究指出3D 自动化肝脾评估为预测显性HE 提供了额外的信息，从而提高了适宜患者进行TIPS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。