肝脏肿大是指由各种炎症、浸润、肿瘤和其他疾病引起的肝脏异常肿大。早期明确肝脏肿大与临床和实验室结果之间的相关性，以及急性和亚急性或慢性临床过程之间的相关性至关重要。然而现阶段，肝脏肿大的影像诊断一般是以US、CT为基础的主观评估，并辅以各种线性的头尾向（CC）测量。然而，单维（线性）评估不能完全反映这种三维（3D）器官的复杂形态。因此，CC测量可能会高估肝脏的大小。

现阶段，随着深度学习算法的使用，可以实现完全自动化的肝脏分割和体积评估，计算结果比人工线性评估更有效、更准确。

近日，发表在Radiology杂志的一项研究运用基于CT的全自动人工智能定量可视化工具在健康成年人群众建立了肝脏体积的正常分布，并根据患者的具体因素提出了肝脏肿大的潜在阈值，为通过肝脏体积评估疾病状态提供了更为客观、准确的参考标准。

本项研究利用深度学习工具对2004年4月至2016年12月期间在单一医疗中心接受结直肠癌筛查（非增强）或肾脏捐赠者评估（对比增强）的无症状成人门诊患者的肝脏体积进行了评估。评估包括CC和最大三维（3D）线性测量的性能。在一个肾脏捐赠者的子集中，将手动肝脏体积结果与自动结果进行了比较，其中整个肝脏在对比前和对比后CT中都被包括在内。非增强的肝脏体积被标准化为对比后的等值。进行线性回归分析，以评估年龄、性别、身高、体重和体表面积之间的肝脏体积的主要患者特异性决定因素或决定因素。

本研究共纳入3065名患者（平均年龄±标准差，54岁±12岁；1639名女性），其中1960名为结直肠筛查，1105名为肾脏捐赠者评估。平均标准化的自动肝脏体积±标准差为1533mL±375，并表现出正常分布。患者的体重是决定肝脏体积的主要因素，并表现出线性关系。根据这一结果，得出了一个基于体重的正常肝脏肿大阈值体积的线性上限：肝脏肿大（mL）=14.0×（体重[公斤]）+979。19厘米的CC阈值对肝脏肿大有71%的敏感性（69名患者中的49名）和86%的特异性（1030名患者中的887名），24厘米的最大三维线性阈值有78%的敏感性（69名中的54名）和66%的特异性（1030名中的678名）。在189名患者的子集中，深度学习工具与半自动或手动方法之间的肝脏体积中位数差异为2.3%（38mL）。

 

图 图中显示了根据患者体重（Wt）的自动CT肝脏体积。体重是影响肝脏体积的最主要因素。红色实线代表基于体重的肝脏肿大阈值，它是基于超出平均值的两个标准差（虚线）。

综上所述，通过使用深度学习工具测量肝脏体积，本研究得出了一个简单的基于体重的肝脏肿大阈值，与常规临床实践中使用的标准线性评估相比，该方法具有更快速、更客观等显著的优势，为临床提供了一个简便且客观的肝脏大小测量手段，对腹部CT扫描的筛查或诊断的赋予了新的附加价值。

原文出处：

Alberto A Perez,Victoria Noe-Kim,Meghan G Lubner,et al.Deep Learning CT-based Quantitative Visualization Tool for Liver Volume Estimation: Defining Normal and Hepatomegaly.DOI:10.1148/radiol.2021210531

Tags： Radiology：肝脏肿大有标准吗？深度学习给你答案