在平扫腹部 CT 中自动进行肝脂肪定量—基于人群的脂肪变性评估

背景

非酒精性脂肪性肝病及其后果是一个日益严重的公共卫生问题，需要横断面成像以进行无创诊断和肝脏脂肪定量。

目的

探讨一种基于深度学习的自动化肝脂肪定量工具，用于确定大型筛查队列中脂肪变性的患病率。

材料与方法

• 在这项回顾性研究中，采用全自动肝分割算法，采用三维卷积神经网络（包括随访扫描的亚队列）对连续无症状成人的非造影带腹部CT检查进行。
• 分析了基于体积的自动肝脏衰减，包括转换为CT脂肪级分，并在大量扫描中与手动测量进行比较。

结果

• 9552例成人（平均年龄±标准偏差，57.2岁±7.9，女性5314例，男性4238例，体重中位数[BMI]，27.8 kg/m²）进行了评估，包括对1862名成年人（平均年龄59.2岁，971名妇女和891名男性，平均间隔5.5岁）的2117次随访扫描。在七次扫描中发生算法故障。
• 平均CT肝衰减为55 HU±10，对应于CT脂肪部分6.4%（男性略胖于女性[7.4%±6.0 vs 5.8%±5.7%;第<.001页]）。平均肝脏豪恩斯菲尔德单位因年龄而异（<4个年龄组的HU差异），与BMI仅见弱相关性（r²= 0.14）。
• 按类别划分，47.9%（11 669例中的5584例）肝脂肪可忽略不计或无肝脂（CT脂肪分数<5%），42.4%（11 669例中的4948例）轻度脂肪变性（CT脂肪分数为5%~14%），8.8%（11 669例中的1025例）有中度脂肪变性（CT脂肪分数为14%~28%），1%（11 669例中的112例）有重度脂肪变性（CT脂肪分数>28%）。
• 自动和手动测量之间表现出极好的一致性，平均差为2.7 HU（中位数，3 HU）和r²的 0.92。在纵向随访的亚队列中，平均变化仅为-3 HU ±9，但43.3%（1861年中有806例）的患者在第一次和最后一次扫描之间改变了脂肪变性类别。

结论

基于CT的全自动肝脂肪定量工具可以对肝脂肪变性和非酒精性脂肪性肝病进行群体评估，其客观数据与人工测量结果吻合良好。在这个无症状筛查队列中，至少轻度脂肪变性的患病率大于50%