本报讯（记者温才妃）近日，由中国门静脉高压联盟（CHESS）负责人祁小龙组织发起的CHESS1802国际多中心研究（NCT03766880）成果发表于《临床胃肠病和肝病学》，首次将深度卷积神经网络应用于肝硬化场景，建立了一套基于放射影像的AI算法，助力门静脉高压精准无创诊断。

本研究由中国11家中心与土耳其1家中心联合完成，在CHESS1802队列（MRI图像）基础上延伸整合CHESS1701队列（CT图像），共纳入950例肝硬化和对照组病例，两个队列均按照3：1：1随机化，分为训练集、验证集和测试集。研究利用MRI和CT图像，构建了两组深度卷积神经网络（CNN）模型，包括基于MRI图像的CNN模型（MRI-CNN）和基于CT图像的CNN模型（CT-CNN）。两组模型均包含肝脏和脾脏通道用于图像的自动分析，最后得出临床显著性门静脉高压（CSPH）预测值。

为验证模型稳健性，研究人员在MRI队列和CT队列均生成了6个CNN模型，分析结果显示CNN模型对CSPH的诊断价值均高于传统无创模型。

本研究在国际上首次建立了基于CNN技术的无创诊断肝硬化CSPH模型。对于目前尚无条件常规开展肝静脉压力梯度检测的中心，无创CNN模型有望成为CSPH辅助评估工具，早期筛查高风险人群，助力门静脉高压全病程管理。

相关论文信息：

https://doi.org/10.1016/j.cgh.2020.03.034