记者从海军军医大学第二附属医院（上海长征医院）获悉，该院放射诊断科教授刘士远团队首创了一种利用全肺影像组学精准预测慢性阻塞性肺疾病（以下简称慢阻肺）的新方法。该方法基于胸部CT平扫图像结合临床基本特征，可高效预测慢阻肺。研究成果近日在线发表在国际医学杂志《军事医学研究》上。

慢阻肺是一种以持续气流受限为特征的慢性炎症性疾病，我国40岁以上人群的慢阻肺发病率为13.7%。临床诊断和评估慢阻肺的「金标准」是肺功能检测。但肺功能检测技术不够灵敏，而且目前在我国尚没有广泛用于慢阻肺的筛查。这导致许多慢阻肺患者早期诊断不出来，贻误了干预和治疗的最佳时机。相比之下，随著居民健康意识的提升及大规模肺癌筛查的普及，胸部CT的普及率更高。

刘士远介绍，影像组学技术的不断发展，为医学影像辅助诊疗和疾病预测、预后带来新的机遇。从不同模态的医学影像中定量提取代表性的影像特征，可将医学影像转化为可挖掘的数字信息，再利用算法进行分析处理，并将其与临床特征进行对比、分析、建模，从而可实现病变诊断和预测等。

该研究基于深度学习全自动分割模型，首次使用全肺影像组学特征联合临床变量，开发出一种精准预测慢阻肺的新方法，并应用诺莫图清晰显示了慢阻肺的患病概率。研究发现，联合临床信息和全肺影像组学特征的模型，在内部验证集和外部验证集中均具有最佳诊断效能。诺莫图的构建，能将复杂的医学图像和数据以直观的方式清晰呈现出来，帮助医生快速识别疾病特征和异常变化，从而提高诊断准确性和效率。

据悉，这种方法不仅可以提高慢阻肺诊断的准确性和效率，还能为医生提供早期预警和干预措施，从而帮助医生更好地管理患者的病情，具有良好的转化应用前景。