基于深度学习双期相CT的继发性甲状旁腺功能亢进术前甲状旁腺精准定位研究

　　本研究针对继发性甲状旁腺功能亢进(sHPT)患者术前甲状旁腺(PGs)定位难题，开发了基于双期相CT（平扫+增强）与三维U-Net的深度学习模型。结果显示模型定位灵敏度达94.44%，显著优于超声(US)和CT单独使用(P<0.05)，与Tc-MIBI SPECT/CT相当(P=0.429)，为甲状旁腺切除术(PTx)提供了高精度、低成本的术前规划方案。

　　

在慢性肾脏病患者群体中，继发性甲状旁腺功能亢进(secondary hyperparathyroidism, sHPT)犹如一个隐匿的健康杀手，约90%的患者会受其影响，显著增加死亡风险。而治疗这一疾病的关键手术——甲状旁腺切除术(parathyroidectomy, PTx)，却长期面临着一个技术瓶颈：如何在术前精准定位仅米粒大小的甲状旁腺(parathyroid glands, PGs)？传统影像学方法各有限制：超声检查(ultrasonography, US)高度依赖操作者经验，CT灵敏度有限，而虽精度较高但价格昂贵的锝-99m标记甲氧异腈单光子发射计算机断层扫描/CT(99mTc-labeled methoxyisobutylisonitrile scintigraphy, Tc-MIBI SPECT/CT)设备昂贵且涉及辐射暴露。术前定位失败会直接导致术中误切，引发术后低甲状旁腺血症，其中永久性并发症发生率最高可达33%，患者需终身服药并面临肾钙质沉着等风险，严重降低生活质量。

为破解这一临床难题，浙江大学医学院附属第一医院甲状腺外科的李富强、张耀、文依静、王晓梅和杨浩研究团队在《Intelligent Oncology》上发表了一项创新研究。他们首次开发了一种基于双期相CT（平扫CT+对比增强CT）与三维U-Net深度学习模型的甲状旁腺自动定位系统，实现了94.44%的超高检测灵敏度，为sHPT患者提供了一种精准、高效且成本更低的术前规划解决方案。

研究团队采用了几项关键技术方法：利用回顾性收集的47例sHPT患者的94例双期相CT扫描数据（每例包含平扫和增强CT），按8:2比例划分训练集与测试集；采用病理结果作为金标准，由外科医师使用ITK-SNAP软件逐层标注PGs区域；构建基于三维U-Net的语义分割模型，通过编码器-解码器架构保留CT空间拓扑信息，并采用Dice与交叉熵混合损失函数进行优化；使用五折交叉验证评估模型稳定性；最后通过连接组件分析实现腺体级别的检测评估，并采用Fisher精确检验进行统计学比较。

研究结果主要体现在四个方面：

在AI模型甲状旁腺识别效能方面，研究显示模型在像素级和PG级均表现良好。PG级评估显示精确度达87.14%，召回率为74.39%，F1分数为80.26%。模型对单个CT扫描的预测时间约30秒，双期相数据约1分钟，满足临床实时性需求。五折交叉验证证实模型性能稳定，无显著差异(P>0.05)。

在不同影像模式识别率比较中，双期相CT模型展现出显著优势。模型整合平扫与增强CT预测后的灵敏度高达94.44%，显著优于医师单独使用US(61.11%, P=0.0013)和CT(72.22%, P=0.0238)的表现，与Tc-MIBI SPECT/CT(86.11%, P=0.429)相当而无统计学差异。单独使用平扫CT(77.78%)比增强CT(69.44%)表现更好，二者存在互补性。

误差分析揭示了模型改进方向。研究发现模型未检测到的2个PGs中，1个是因与甲状腺紧密粘连而CT图像不清晰，另1个是位于左上前纵隔的异位PG，该位置在训练数据中代表性不足。UpSet图分析表明，模型与医师在不同模态下的漏诊分布存在差异，模型提供了更大的互补性。

在多模态互补性分析中，研究证实了多模态融合的临床价值。当平扫CT能检测到4个PGs而增强CT仅检测到3个时，结合两种模态可成功检测全部PGs。统计显示，将AI模型与US结合能显著提升US的灵敏度(P<0.05)，将增强CT与Tc-MIBI SPECT/CT结合也能显著提升增强CT的灵敏度(P<0.05)。

研究结论与讨论部分强调，本研究开发的基于双期相CT的深度学习模型为sHPT患者术前PGs定位提供了一种高灵敏度、低成本且易于推广的解决方案。模型通过整合平扫CT提供的解剖轮廓特征和增强CT提供的血管-腺体强化差异特征，充分发挥了双期相CT的互补优势，实现了94.44%的检测灵敏度，与金标准Tc-MIBI SPECT/CT相当但更具普及性。

研究的创新点在于首次构建了端到端的三维U-Net分割模型直接处理双期相CT数据，完整保留了CT空间信息；通过量化分析明确了多模态影像的互补关系；开发了实用的术前定位工具，能自动生成PGs三维可视化结果，辅助医师进行术前规划并减少术中探查时间。

研究也存在一定局限性：样本量较小且为单中心回顾性数据，模型普适性需更大规模前瞻性多中心数据验证；当前的双期相CT整合仅停留在数据层面融合，未能实现图像配准和显式特征交互约束。未来研究将聚焦于收集多样化数据集，探索无监督图像配准方法，整合临床数据开发基于多模态融合技术的智能甲状旁腺病变定位系统。

这项研究的临床意义在于为资源有限地区提供了一种替代专业核素成像的高性价比方案，有望显著降低sHPT患者的术前定位成本，提高手术成功率，减少术后并发症，最终改善患者生活质量和预后结局。