医学影像学院杜江锋课题组建立了诊断与评估新型冠状病毒（COVID-19）肺炎的影像组学模型
新型冠状病毒（Corona Virus Disease 2019， COVID-19）肺炎是一个严重的威胁全人类健康的疾病，是由一种新型冠状病毒SARS-CoV-2引起的严重急性呼吸综合征。SARS-CoV-2可通过呼吸道和接触传播，具有人与人之间传播的性能。所以，医疗卫生机构必须对该病进行精准、快速的诊断与鉴别诊断，以切断其在社会面上的传染。影像组学模型在诊断与评估COVID-19肺炎方面优于临床模型能够有效鉴别COVID-19肺炎与非COVID-19肺炎，有利于在COVID-19疫情流行期间，快速、准确诊断与评估该病，有助于缓解放射科医师的工作压力，提高COVID-19肺炎诊断的精准度。
2021年9月27日，山西医科大学医学影像学院杜江锋教授团队在Stem Cell International期刊发表了“Severity Assessment of COVID-19 Using a CT-Based Radiomics Model ”的研究论文。在本项研究中，研究人员利用影像组学的方法对COVID-19患者的CT图像进行了特征提取，经过降维分析提取了最具特征的影像组学特征，分别建立了诊断模型与分期评估模型（图1、2）。
图1.(a)
图1.(b) 图1.(c)
图2.(a) 图2.(b)
COVID-19肺炎严重程度的分类采用SVM分类器进行分类，然后绘制各组的ROC曲线。最后，ElasticNet影像组学模型显示出良好的预测精准度，在训练集上获得了0.97的平均AUC性能，在测试数据集上达到0.90，表明基于CT的放射学模型在评估COVID-19肺炎的严重程度方面具有较强的效能。基于CT的影像组学模型能够有效评估COVID-19肺炎的分期，有助于缓解放射科医师的工作压力，提高病情评估的精准度。
大同市第三人民医院医学影像科副主任医师许志高为本文第一作者，山西医科大学医学影像学院杜江锋教授、杨国强教授为本文共同通讯作者。
