《World Journal of Otorhinolaryngology - Head and Neck Surgery》：Morphological Sinus Features and Chronic Rhinosinusitis Risk: A Radiomics Study
编辑推荐：
本综述基于多中心影像组学数据，通过深度学习模型（nnU-Net v2）自动分割鼻腔窦结构，结合逻辑回归、随机森林和多层感知器（MLP）算法，系统探讨了鼻腔窦形态学特征（如体积、表面积、球形度等）与慢性鼻窦炎（CRS）发病风险的关联。研究发现20项形态指标可有效构建CRS风险预测模型（AUC达0.888–0.890），但嗜酸性CRS（eCRS）与非嗜酸性CRS（NeCRS）亚型间无显著形态差异，提示窦腔形态可能独立于CRS内型分型。研究为CRS的早期风险评估提供了新的影像学生物标志物。
引言
慢性鼻窦炎（CRS）作为耳鼻喉科常见疾病，其发生发展与鼻腔窦解剖结构密切相关。既往研究多聚焦于鼻中隔偏曲、泡状中鼻甲等局部解剖变异对窦口引流的影响，但针对窦腔整体形态特征（如体积、表面积、球形度等）与CRS风险的系统性研究尚属空白。本研究通过多中心影像组学数据，结合深度学习技术，旨在揭示窦腔形态学特征在CRS风险评估中的潜在价值。
材料与方法
研究纳入2019年1月至2023年12月期间716例CRS患者及115名健康对照，根据病理结果将CRS患者分为嗜酸性CRS（eCRS）和非嗜酸性CRS（NeCRS）。采用nnU-Net v2模型对双侧上颌窦、筛窦、蝶窦等13个区域进行自动分割，并通过PyRadiomics提取包括Elongation、Sphericity、Maximum3DDiameter等在内的177项形态学特征。经Z-score标准化及LASSO特征筛选后，分别构建CRS风险预测模型（健康vsCRS）及亚型鉴别模型（eCRSvsNeCRS），并采用逻辑回归、随机森林和MLP算法验证模型性能。
结果
患者特征
CRS组平均年龄48.2–48.5岁，健康对照组55.9岁，两组性别分布无显著差异。CRS患者病程中位数为4–5年。
分割模型性能
nnU-Net v2经过40轮训练后达到稳定收敛，测试集平均Dice系数为0.736±0.132。模型主要误差表现为左右侧别混淆及窦腔边界 delineation 不精确，经人工修订后分割结果可用于特征提取。
组间比较分析
CRS患者窦腔的MeshVolume、SurfaceArea、Maximum3DDiameter等指标显著高于健康组（p<2.82×10?4），而上颌窦与蝶窦的Sphericity、鼻中隔SurfaceVolumeRatio则显著降低。基于20项筛选特征构建的CRS风险模型中，随机森林模型在测试集表现最佳（AUC=0.890，灵敏度0.827，特异度0.857）。SHAP分析显示，左蝶窦SurfaceVolumeRatio、右鼻腔Elongation等13项指标与CRS风险正相关，而鼻中隔Sphericity等7项指标呈负相关。
亚型分析结果
eCRS与NeCRS组间所有形态学特征均无统计学差异（p>2.82×10?4）。基于18项特征构建的亚型鉴别模型性能较差（测试集AUC=0.564–0.634），提示窦腔形态对CRS内型分型预测价值有限。
讨论
本研究创新性地将深度学习与影像组学结合，实现了大规模窦腔形态特征的自动化提取与分析。结果证实窦腔扩张性特征（如体积增大、直径延长）可能通过影响黏液清除效率增加CRS风险，而较高的球形度则可能赋予保护作用。值得注意的是，鼻中隔形态异常（如体积增大伴表面积扩张）对CRS的促进作用可能优于单纯解剖偏曲。
针对CRS内型分化的探索性分析表明，eCRS与NeCRS的窦腔形态无本质差异，这与二者在免疫炎症通路、治疗反应及预后方面的显著差异形成对比。这一发现提示CRS内型分化可能更依赖于黏膜局部免疫微环境而非窦腔骨架结构，也为临床中基于CT形态预测内型分型的局限性提供了证据。
研究局限性包括未排除合并其他鼻部疾病患者的交互影响，且健康对照组来源多样可能引入混杂因素。未来需针对单一窦腔与局部炎症的对应关系进行深入分析。
结论
窦腔形态特征可作为CRS风险评估的有效生物标志物，但无法区分eCRS与NeCRS亚型。本研究为CRS的早期预防和个性化治疗策略提供了影像学依据。
