跳转到主要内容
学术研究

多序列MRI影像组学模型预测甲状腺眼病放疗反应

Nature - Eye Research (2026年11月10日)

摘要

研究团队基于85例接受标准化眶部放射治疗(20 Gy)的甲状腺眼病患者,利用治疗前的脂肪抑制T1增强和T2加权MRI图像,提取眼外肌影像组学特征,结合临床活动评分(CAS)和常规影像指标,构建了多种机器学习预测模型。结果显示,多序列影像组学模型AUC达0.933,整合影像组学与常规影像指标的模型AUC最高(0.942),显著优于仅用临床数据的模型(AUC=0.700),可更准确区分放疗有效者与无效者。

信息来源: Nature - Eye Research 发布于 2026年11月10日

要点速览

  • 研究基于85例接受20 Gy眶部放疗的甲状腺眼病患者构建预测模型。
  • 采用脂肪抑制T1增强和T2加权MRI图像,提取眼外肌影像组学特征,并整合常规影像指标与临床活动评分(CAS)。
  • 多序列影像组学模型AUC为0.933,整合影像组学与影像指标的模型AUC达0.942,显著优于纯临床模型(AUC=0.700)。
  • 模型经DeLong检验、校准曲线、Brier评分及决策曲线分析验证,具备良好判别力与临床实用性。

本站解读

中重度活动期甲状腺眼病常用眶部放疗,但疗效因人而异,部分患者接受了放疗却没有获益。这项研究回顾纳入85例接受20 Gy标准化放疗的患者,其中46例有效、39例无效,用治疗前眼眶MRI的T1增强和T2加权序列提取眼外肌影像组学特征,结合临床数据和常规影像指标,比较了九种机器学习算法。

结果显示,单用临床数据的模型AUC只有0.700,基线临床活动评分(CAS)是两组间唯一有显著差异的临床指标;多序列影像组学模型AUC为0.933,整合影像组学和常规影像指标的模型最高,为0.942,显著优于临床模型(P=0.040)。

局限在于这是回顾性研究,样本量不大,作者也表示需要前瞻性验证后才能用于个体化分层。我们的判断是,影像组学有望帮助减少无效放疗,但短期内仍是辅助工具。该模型在国内医院的适用性和国内患者的放疗选择情况有待确认,如有疑虑可咨询眼科医生。

常见问题

做个核磁共振就能知道放疗对我有没有用吗?

目前还不能。这个模型需要把治疗前特定序列的眼眶MRI图像交给专门算法分析,再结合常规影像指标,研究中整合模型的AUC达到0.942,但这只是85例患者的回顾性研究,作者认为还需要前瞻性验证。国内医院能否使用有待确认,是否放疗仍由医生综合判断,如有疑虑可咨询眼科医生。

以后看甲状腺眼病是不是都要先做这种MRI分析?

短期内不会。该模型还处于回顾性研究阶段,作者明确表示需要前瞻性验证后才能用于个体化风险分层,目前没有进入临床常规。国内甲状腺眼病的检查项目仍按医生安排进行,未来是否推广取决于后续验证结果,如有疑虑可咨询眼科医生。

延伸阅读

学术研究

手机自拍AI测突眼度:多中心多族裔验证研究

研究验证了一种基于智能手机非影棚照片(包括患者自拍和医生日常拍摄)的深度学习模型,用于测量甲状腺眼病患者的突眼度。该模型在韩国两家医院(203例、79例)和西班牙一家医院(79例)共361名患者中测试,使用12种手机型号采集图像。与金标准Hertel测量相比,平均绝对误差为1.14–1.58 mm,对重度突眼(≥21 mm)识别的AUC达0.86–0.94。

#甲状腺眼病#人工智能#突眼测量
PubMed Ophthalmology
学术研究

AI模型实现甲状腺眼病眼外肌MRI自动分割

日本大阪都市大学眼科开展单中心回顾性研究,纳入2020年10月至2023年6月间52例甲状腺眼病患者的眶区MRI数据,人工标注全部眼外肌后构建深度学习AI模型。采用5折交叉验证,在12例、32例和52例三组数据集上测试模型性能,以Dice相似系数(DSC)评估分割一致性,并测量眼外肌平均信号强度比(SIR)验证定量准确性。结果显示,52例数据训练的模型在下直肌和内直肌分割中DSC显著优于小样本模型,且所有眼外肌的SIR在AI与人工标注间均呈显著相关。

#AI医疗#甲状腺眼病#MRI影像分析
PubMed Ophthalmology
学术研究

林西替尼可抑制甲状腺眼病成纤维细胞活性

研究发现,双靶点抑制剂林西替尼能显著抑制胰岛素样生长因子-1受体(IGF-1R)和胰岛素受体(IR)信号通路,在人眼眶成纤维细胞中有效阻断IGF-1诱导的透明质酸与前胶原分泌,并将AKT磷酸化水平降至基线。相比已获批药物替妥木单抗,林西替尼在等摩尔浓度下对细胞增殖的抑制更强,且唯一诱导了明显的细胞凋亡和单层结构破坏。

#甲状腺眼病#IGF-1R抑制剂#林西替尼
PubMed Ophthalmology