尿石症是一种常见的泌尿系统疾病，不同的结石类型有不同的治疗方法。然而，对结石成分的准确检测只能在体外进行。感染性结石的管理尤其具有挑战性，因为在术前还没有有效的方法来鉴别感染性结石和非感染性结石。

因此，在本研究中，研究者试图开发一种放射组学模型，该模型结合了非对比CT图像和独立临床预测因子的放射组学特征，可在术前通过多中心验证识别感染结石。

来自三个中心的1198名符合条件的尿石症患者被分为四组：一个训练集、一个内部验证集和两个外部验证集。采用傅里叶变换红外光谱法测定了结石成分。从每个患者的术前CT图像中提取了共1316个放射学特征。利用相关统计学算法，在训练集中识别出具有良好识别能力的波谱特征，并在验证集中得到验证。

此外，基于多元logistic回归分析，研究人员发展了一个辐射组学模型，包括辐射组学特征、尿液中产脲酶细菌和尿液pH值。列线图在训练集和三个验证集中具有良好的定标和识别能力。决策曲线分析证明了放射学模型的临床实用性。

射线组学的研究流程图和工作流程

区分结石的重要性在于治疗方案的选择因结石类型而异。事实上，感染性结石是由于尿路感染而形成的特殊结石类型，感染性结石的处理尤其具有挑战性。据报道，感染性结石有较高的术后感染并发症风险，可能导致危及生命的情况，如严重脓毒症和感染性休克等。感染性结石的治疗主要依靠抗生素(除石前后)来消除尿路中的浮游细菌，然后通过手术治疗清除全部结石碎片。而该预测模型使用方便，不会给患者带来额外的负担或成本。

总之，本项研究中，研究者们开发并验证了一个在体内识别泌尿系感染结石的放射组学模型。该模型工具可在取石前分析结石成分，优化尿石症的疾病管理，改善患者预后。

参考文献：Zheng J , Yu H , Batur J , et al. A multicenter study to develop a non-invasive radiomic model to identify urinary infection stone in vivo using machine-learning[J]. Kidney International, 2021(Suppl 2).