王湘源 罗泽斌 陈晓东 杨凡

    [摘要]支气管哮喘以气道炎症、阻塞和重塑为特征，发病率高，尤其在发展中国家，是全球发病率和社会经济负担最高的疾病之一。虽然对支气管哮喘的预防、早期诊断和合理治疗有广泛的指导方针，但其在精确医学中的价值非常有限。机器学习(ML)技术已经成为挖掘和集成大规模、异构医学数据用于临床实践的有效方法，近年几种 ML 方法被应用于支气管哮喘。然而，很少有方法对临床实践有重大贡献。高分辨率 CT 扫描(HRCT)已被证明是一个有价值的工具，其提高了医务人员对支气管哮喘的认识，目前已有研究表明，HRCT 在描述支气管哮喘表型以及预测未来支气管哮喘发病率方面发挥着重要作用。本文综述 HRCT 和 ML 技术在支气管哮喘中的筛查和诊断、分类和评估、管理和监测以及治疗方面的最新进展。

    [关键词]支气管哮喘;哮喘表型;高分辨率 CT;机器学习

    [中图分类号] R562.2+5[文献标识码] A [文章编号]2095-0616(2022)10-0056-04

    支气管哮喘(简称哮喘)包括广泛的患者表型，典型的特征是反复发作的气道阻塞和可逆性气流受限，通常具有慢性气道炎症和支气管高反应性的背景。5%～10%的哮喘患者表现出对常规治疗有抵抗的严重症状，对患者及其家庭造成了巨大的经济负担[1-3]。

    在过去，哮喘的诊断通常仅仅根据症状来确定。然而，哮喘的诊断不应该仅仅基于症状，目前尚无单一可靠的金标准，识别、治疗和管理哮喘仍然面临许多挑战，如诊断不足和过度诊断、发病机制不明、缺乏统一的表型分类标准、高病死风险和与恶化相关的高成本[4-6]。

    利用高分辨率 CT 扫描(high resolution CT， HRCT)可以观察到肺部的细微结构，从而了解到不同程度肺气肿、支气管管壁增厚程度、肺变形情况及周围血管变化等，可以更好地评估哮喘患者病情，有助于临床医生对患者进行精准治疗。近年来计算机操作的发展和“大数据”的快速发展极大地推动了人工智能(artificial intelligence， AI)和机器学习(machine learning， ML)技术及其在医学等各个领域的应用。AI/ML 在医学上的使用发生了快速变化，特别是在医学成像中，这些技术不仅用于快速疾病筛查，而且还用于提高诊断的准确性和工作效率[7]。本文综述 HRCT 和 ML 技术在哮喘中的筛查和诊断、分类和评估、管理和监测以及治疗方面的最新进展。

    1 HRCT在哮喘中的应用

    在目前的临床实践中，肺功能检查对于评估哮喘的特征至关重要 ......