作者：龙振楚，陈熙来，邓宇，广州医科大学附属第一医院放射科

间质性肺疾病(interstitial lung disease，ILD)是一组疾病谱超过200 种的弥漫性肺疾病，其主要病理生理特点为累及肺间质和肺泡腔，导致肺泡-毛细血管功能单位丧失，临床主要表现为进行性呼吸困难、限制性通气障碍伴一氧化碳弥散量(diffusion lung carbon dioxide，DLCO)降低、低氧血症及影像学上的两肺弥漫性病变，最终因不可逆肺部结构破坏导致呼吸衰竭而死亡。

高分辨率CT(high resolution computed tomography，HRCT)在ILD 的诊断、预后以及治疗反应监测中起到不可替代的作用。但目前ILD 的诊断、疗效评价主要依赖于影像科医师的视觉主观评估，缺乏基于计算机高维数据的定量分析。随着科技发展，影像组学成为辅助临床诊治的有力工具，是指使用计算机深度学习算法通过纹理分析从医学图像中提取定量成像生物标志物的过程。本研究对影像组学在ILD 中的诊断及鉴别诊断、分子基因表型、疗效评价和预后预测等方面的相关应用研究进展进行综述。

1. 影像组学在ILD 的诊断及鉴别诊断中的应用

ILD 病因分为已知和不明原因，可具有相似的临床表现和胸部影像学改变，这使ILD 的诊断和鉴别诊断比较困难，早期明确病因是诊治ILD 的关键。影像组学可以深度挖掘ILD 的大量图像信息，从而早期预测诊断疾病。

普通型间质性肺炎(usual interstitial pneumonia，UIP)是诊断特发性肺纤维化(idiopathic pulmonary fibrosis，IPF)的必备条件，但亦可见于其他类型ILD，如结缔组织疾病相关ILD(connective tissue disease-associated interstitial lung disease，CTD-ILD)、纤维化型过敏性肺炎、结节病等。Refaee 等开发了基于HRCT 手工分割的影像组学模型，用于IPF-UIP 和非IPF-UIP二分类，研究结果表明模型具有良好分类性能，AUC 为0. 96。

Ryan 等首次探究了肺结节病患者与健康对照组间的影像组学特征差异性，发现空间自相关Geary’s C 指数特征与用力肺活量(forced vital capacity，FVC)高度相关(P <0. 01)，表明影像组学有望成为检测肺结节病定量生物标志物的工具。Hoffmann-Vold 等总结了系统性硬化症相关ILD(systemic sclerosis-associated interstitial lung disease，SSc-ILD)相关研究进展，发现影像组学特征可以鉴别SSc-ILD 与其他CTD-ILD。

在同时接受免疫治疗和放射治疗的晚期非小细胞肺癌(non-small cell lung cancer，NSCLC)患者中，两肺出现的ILD需要在免疫相关性肺炎(immune checkpoint inhibitors induced pneumonitis，CIP)和放射性肺炎(radiation pneumonitis，RP)中鉴别，这关系到患者后续治疗方案的选择，有研究表明影像组学模型在鉴别CIP 和RP 中效能良好。Anthony 等发现基于放疗前PET-CT 图像的标准化摄取值和肺纹理分析可以提高模型预测RP 的效能。Kawahara 等发现在NSCLC 患者中影像组学特征可以预测≥2 级的RP，影像组学在放疗前对RP 的预测可以帮助临床进行个体化的RP 评估，有效指导临床精准制定放疗计划，提前预防高危患者，从而降低患者预后不良的风险。

2. 影像组学在ILD 分子基因表型中的应用

近年来，CT、MRI 及PET 等常规成像工具提供了有关疾病表型的重要信息，但无法公开大量的遗传和分子信息。详细的基因、反转录和蛋白质组数据有助于确定ILD 相关的分子基因表型及探索其发病机制。影像基因组学是结合了医学成像技术和基因遗传分析的跨学科技术，旨在从影像组学和基因组学中挖掘和关联与基因信息相关的图像信息。TOLLIP 基因和MUC5B 基因参与肺部重要免疫和修复过程，当其发生突变时可导致罹患IPF 的风险。

Budz-ikowski 等回顾性分析了169 例IPF 患者的CT 图像及基因组数据，通过提取影像组学特征以确定其与特定单核苷酸多态性基因突变和生存率的关联。研究发现9 个一阶纹理特征和1 个分形特征与TOLLIP-1 基因突变相关，5 个滤波特征与TOLLIP-2 基因突相关，表明纹理特征有望成为一种无创且低成本的检测IPF 基因突变的新型生物标志物。但该研究使用人工在上、中、下肺区各放置6 个ROI，每个范围为16 ×16 像素，这可能导致ROI 以外肺野的信息丢失，从而影响特征的可重复性和模型的鲁棒性。

小鼠疾病模型是研究人类健康的重要工具，人类和小鼠共享大量遗传物质，通过研究小鼠模型可以推测人类相关致病基因的表达水平和分布模式。Schniering 等等以跨物种方式验证定量影像组学风险评分以预测SSc-ILD 的无进展生存期，研究发现评分与临床上ILD 进展指标相关，包括绝对FVC%下降≥10% 或15%、相对FVC% 下降≥5% 或10%、FVC/ DL-CO、影像学ILD 进展和总生存期，说明实验性小鼠ILD 与SSc-ILD 之间的影像组学特征具有可转化性。

Gabrysh 等构建肺纤维化小鼠临床前模型模拟人类ILD，使用小鼠肺部显微CT 图像提取特征作为训练集，98 例SSc-ILD 患者的CT组学特征作为验证集，该研究构建并验证了3 种机器学习模型解释特征可移用性，3 种模型在人类验证集的AUC 值分别为0. 774、0. 815、0. 832，重新优化模型权重后在人类验证集中的AUC 值达到了0. 912，诊断效能较高。该研究亦存在不足，显微CT 和HRCT 的扫描参数存在差异，这可能导致结果偏倚，因此从实验性ILD 模型到人类中的转化应用具有较大难度。

总之，影像基因组学是当今精准医学发展趋势下的必然结果，与传统基因检测和有限的肺组织活检标本相比，可以通过挖掘高通量数据无创捕获从放射宏观到分子微观不同空间尺度上的组织表型，从微观层面阐述ILD 的预后信息。目前影像基因组学研究大多应用于恶性肿瘤领域，在ILD 中应用较少，ILD 的疾病谱庞杂，部分相关分子基因发病机制尚未完全阐明，未来有待进一步建立大型ILD 分子基因数据库，并结合影像组学进行深入研究。

3. 影像组学在ILD 疗效评价中的应用

在目前的临床实践中，ILD 的疗效评价主要集中在呼吸道症状、HRCT、肺功能参数等方面。近年来，IPF 已经开发并验证了一系列预测模型，例如性别-年龄-肺功能(gender-age-pulmonary function，GAP) 分期模型、复合生理指数、多维度评分，这些风险预测模型可以对IPF 患者的1 ~3 年死亡率、肺纤维化程度等进行评估，但没有关于疗效评价的预测模型。

ILD 疗效评价主要依赖于HRCT 及肺功能检查。在ILD 弥漫性病灶背景下，放射科医师评估图像具有主观性和变异性，且部分ILD 患者进行肺功能检查配合欠佳，导致肺功能参数变化不能很好反映疗效。Yang 等根据肺功能和影像学标准将患者分为疾病稳定组和疾病进展组，对基线HRCT 图像进行全肺自动分割并提取影像组学特征，发现总熵是唯一独立预测因子，准确度和AUC 分别为80. 7%、0. 75，总熵-磨玻璃影百分比联合模型在训练集中准确度和AUC 分别为88. 5%、0. 77，表明影像组学特征可以预测IPF 患者对抗纤维化治疗的反应，从而筛选出能从治疗中获益的患者，延缓肺纤维化进展。放射性肺炎主要表现为肺间质炎症改变，是ILD 的一种，晚期可发展为不可逆的放射性肺纤维化。

Cunliffe 等和Bousabarah 等回顾性验证了基于CT 图像的纹理分析与立体定向放疗的分层研究，研究结果认为RP 进展与放射治疗剂量相关，多特征模型AUC 值达到0. 84，表明影像组学可以预测患者肺组织对放疗的反应并具有评估RP 的潜在能力。

CTD-ILD 患者中糖皮质激素治疗的时机仍然是一个临床难题，早期使用糖皮质激素可能有助于预后，然而长期使用糖皮质激素可能引起感染、骨质疏松、消化道出血等严重副作用，Feng 等开展了一项纳入416 例CTD-ILD 患者的多中心研究，旨在探索影像组学特征能否预测并识别糖皮质激素敏感人群，结果表明随机森林和K-最近邻模型的AUC分别为0. 71 和0. 61，随机森林模型的敏感度为89. 7%，可以较好地将CTD-ILD 患者区分为激素治疗敏感组和非敏感组，研究发现如果个体预测应答率为50% ~ 60%，糖皮质激素治疗方案将是有效的。影像组学可以鉴别患者是否对糖皮质激素敏感将是改善CTD-ILD 患者预后的一个潜在解决方案。

4. 影像组学在预测ILD 预后中的应用

ILD 的预后根据其分类、病程、病理生理学具有很大异质性，预后预测在临床上具有挑战性，影像组学可以作为一种有效、无创、便捷的工具预测ILD 的预后。Martini 等发现在SSc-ILD 中影像组学特征与ILD-GAP 分期存在相关性，提示纹理分析具有捕捉HRCT 上SSc-ILD 严重程度的数字特征的潜力。

Mei 等提取了449 例ILD 患者的CT 影像组学特征并基于深度学习建立人工智能预测模型，在预测3年死亡率方面AUC 达到0. 868。Venerito 等发现影像组学特征可以单独预测类风湿关节炎相关ILD 患者的死亡率，结果显示中位灰阶强度是死亡的阳性预测因子。黑色素瘤分化相关基因5(melanoma differentiation-associated gene 5，MDA5)已被确认为与皮肌炎(dermatomyositis，DM)特定亚型高度相关，易合并快速进展性间质性肺病(rapidly progressive interstitial lung disease，RP-ILD)，MDA5 + DM-ILD 的预后差，起病6 个月内患者病死率高达约50%，因此早期预测RP 发生可以预警临床采取干预措施，降低患者不良预后的风险。

Li 等开发了基于临床指标和影像组学特征的MDA5 + DM 相关RP-ILD 的预测模型，结果显示联合模型在训练集中的AUC 值为0. 994，在验证集中为0. 890，决策曲线分析显示模型在早期预测RP-ILD 中具有良好临床用效能。

Xu 等定量分析228 例MDA5 + DM-ILD 患者的肺部HRCT 并建立了6 个月死亡率的多维风险预测模型，包括临床-影像组学联合模型、HRCT 视觉评价模型和ILD-GAP 模型。结果显示影像组学评分(Rad-score)与6 个月死亡率显著相关(P <0. 001)，联合模型在内部、外部验证队列中的C指数分别为0. 83、0. 84。

相关研究表明ILD 是肺癌(lung cancer，LC)发生的独立危险因素，ILD 发生LC 的风险约为10% ~ 20% ，当ILD 患者合并LC 时预后更差。Liang等开展了基于CT 图像纹理的影像组学特征对IPF 患者合并LC 的风险分层研究，结果表明影像组学模型联合临床指标对IPF 患者发生LC 的预测性能良好，AUC 和准确度分别为0. 87、75%。

评估CTD-ILD 患者疾病的严重程度和预测其死亡率具有重要临床意义，既往研究表明GAP 分期模型在ILD 患者死亡率中表现良好。Qin 等通过提取245 例CTD-ILD 患者胸部HRCT 的影像组学特征，发现基于CT 影像组学的列线图可以有效预测CTD-ILD 患者的GAP分期，预测模型在外部验证队列中的AUC 为0. 85。

此外，Qin 等研究还发现基于影像组学特征和临床特征的联合模型预测CTD-ILD 患者的总生存期表现良好，在外部验证队列中AUC 为0. 742，可以作为CTD-ILD 的潜在预后生物标志物。CTD-ILD 患者容易出现进展性肺纤维化导致预后不良，而长期的CT 随访存在辐射剂量超标、患者依从性不佳等局限性，影像组学为CTD-ILD 的临床管理提供了一种科学、客观的预后预测手段。

来源：龙振楚，陈熙来，邓宇.影像组学在间质性肺疾病中的应用研究进展[J].临床放射学杂志，2025，44(05):965-968.DOI:10.13437/j.cnki.jcr.2025.05.031.