该文档属于类型a：单一原创研究报告。以下是对该研究的学术报告：
该研究的主要作者包括徐丹丹、肖奥齐、杨维森、顾燕、金丹、殷国建、印宏坤、范国华、沈钧康及徐亮，来自苏州大学附属第二医院的放射科和消化科及北京推想医疗科技有限公司。文章发表于2024年10月的《中华急诊医学杂志》第33卷第10期。
急性胰腺炎（acute pancreatitis，AP）是一种常见的急腹症，病程复杂，严重时可能迅速发展为重症急性胰腺炎（severe acute pancreatitis，SAP）。SAP的病死率较高，因此，早期对急性胰腺炎病情的严重程度进行评估对于及时治疗、干预及预后评估至关重要。当前，尽管已有多种临床评分系统（如ranson评分、APACHE-II评分、MCTSI等）用于评估急性胰腺炎的严重程度，但它们在临床应用中存在一定局限性，特别是在敏感度和应用的复杂性方面。放射科医生通常依赖影像学检查来评估AP的严重程度，但早期的影像学表现可能并不明显，尤其是胰腺坏死的早期影像特征。因此，本研究旨在探讨CT影像组学联合临床指标建立的Nomogram模型在早期预测急性胰腺炎严重程度方面的价值。
本研究为回顾性分析，纳入了2016年1月至2023年3月间，在苏州大学附属第二医院诊断为急性胰腺炎的患者。根据2012年修订版亚特兰大急性胰腺炎分类（Atlanta Classification），将患者分为重症组和非重症组。所有患者均为首次发病，并在1周内完成腹部CT平扫及增强检查。研究将患者随机分为训练组（70%）和验证组（30%）。
影像组学分析：在各期CT图像上，研究者勾画了胰腺实质作为感兴趣区（Region of Interest，ROI）。通过Python软件提取影像组学特征，并使用Lasso回归法和10折交叉验证法进行降维和特征选择，建立影像组学标签。
临床数据收集：收集患者的基本临床资料及实验室指标，包括C反应蛋白（CRP）、乳酸脱氢酶（LDH）等重要生物标志物。这些数据通过多因素Logistic回归筛选出了急性胰腺炎重症（SAP）的独立预测因子，进一步建立了临床模型。
Nomogram模型构建：将影像组学标签与临床独立预测因子（如CRP、LDH）联合建立Nomogram预测模型，评估其在预测AP病情严重程度中的应用价值。
评估方法：使用ROC曲线（受试者工作特征曲线）和DCA（决策曲线分析）评估不同模型的预测效能。
研究最终纳入了205例急性胰腺炎患者，其中重症组59例，非重症组146例。各期CT图像（平扫、动脉期、静脉期和延迟期）筛选出了不同的影像组学特征。通过Lasso回归法，从平扫、动脉期、静脉期和延迟期的CT图像中分别筛选出了3、5、5、5个最优影像组学特征，建立了影像组学标签。
在分析各期影像组学特征的预测效能时，动脉期影像组学模型在训练组和验证组中的AUC（曲线下面积）分别为0.937和0.913，表现最佳。此外，临床模型通过Logistic回归筛选出CRP和LDH作为SAP的独立预测因子，训练组和验证组中的AUC分别为0.879和0.889。
将动脉期影像组学标签与CRP、LDH结合，构建的Nomogram联合模型在训练组和验证组中的AUC分别为0.956和0.947，表现优于单独的影像组学模型和临床模型。此外，DCA分析显示，Nomogram模型的临床净收益明显高于单独的临床模型和影像组学模型，进一步证实了该联合模型的临床实用性。
该研究表明，基于CT影像组学和临床指标联合建立的Nomogram模型在早期预测急性胰腺炎的严重程度方面具有较高的应用价值，尤其在临床治疗方案的制定和预后评估方面具有重要意义。与传统的影像学评分系统相比，该模型的预测效能更高，能够为临床提供更为可靠的参考依据，帮助医生做出更加精准的判断。
本研究的创新之处在于结合了CT影像组学和临床生物标志物，建立了一种全新的Nomogram预测模型，用于早期预测急性胰腺炎的严重程度。影像组学通过高通量算法提取了大量肉眼无法观察到的潜在信息，从而提高了预测的准确性和早期诊断的可靠性。此外，CRP和LDH作为独立预测因子，为临床提供了简单而有效的生物标志物，进一步增强了模型的实用性。
该研究的临床价值不仅限于对急性胰腺炎患者的早期评估，还可以广泛应用于其他急性腹症或多种复杂疾病的预测模型的构建。研究中所采用的影像组学方法和Nomogram模型为急性胰腺炎的早期干预提供了理论基础和实践指导，也为其他相关疾病的影像学研究提供了宝贵的经验。
尽管该研究为临床提供了重要的预测工具，但仍存在一些局限性。首先，研究为单中心回顾性研究，样本量相对较小，未来可以考虑多中心大样本的前瞻性研究来验证模型的普适性和稳定性。其次，由于影像组学特征的提取依赖人工勾画ROI，可能存在一定的主观性，影响模型的准确性。最后，未来的研究应当考虑更加多样化的影像学特征和生物标志物，以进一步提高模型的预测能力。
该研究在急性胰腺炎严重程度预测方面提供了一个新的视角，通过结合CT影像组学和临床指标，建立了具有高预测效能的Nomogram模型。这一模型不仅能够帮助医生在早期识别重症患者，还能提高对病情的精准评估，有助于早期干预和治疗策略的制定。未来，随着数据量的增加和技术的进步，CT影像组学和Nomogram模型有望在临床上得到更广泛的应用。