风湿免疫病是一组以自身免疫介导的慢性炎症为特征的系统性疾病，全球患病率呈持续上升趋势[1-3]。该类疾病因致残率高、发病机制复杂、病程迁延难愈而构成重大公共卫生挑战[4]。尽管中西医协同诊疗通过整合优势，改善疾病预后，但现有诊疗体系仍面临早期诊断滞后、病程监测标准化不足及治疗时机选择争议等问题。在中医诊疗层面，个体化辨证因高度依赖临床经验且缺乏客观评价标准，其诊疗发展受到明显制约[5]。近年来，影像组学通过特征提取与融合已在肿瘤等领域提高诊疗精度，然其在风湿免疫病领域中的应用，特别是在中西医结合方向的探索仍存在明显空白，亟待系统总结与前瞻性研究。

1 影像组学概述

1.1 概念与方法

影像组学作为一种基于医学影像的定量分析技术，其核心在于利用计算机算法从计算机断层扫描（computed tomography，CT）、磁共振成像（magnetic resonance imaging，MRI）、正电子发射断层扫描-计算机断层扫描（positron emission tomography-computed tomography，PET-CT）等多种成像模式中提取包含形态学、纹理特征及高级空间信息的大量定量高维数据，并通过应用机器学习和统计建模，构建与研究疾病影像特征相关的模型，从而实现从传统“视觉解读”向“数据驱动”的智能诊断转变[6]。该技术体系的核心特征解析维度包括形态学参数、纹理特征，以及通过小波变换、分形分析等数学方法提取的多尺度空间特征，见图1。

图1 影像组学核心步骤

1.2 技术演变与发展

影像组学的发展始终与医学需求深度耦合，其技术体系在不同历史阶段通过关键研究突破实现迭代升级，逐步构建起从基础研究到临床转化的完整路径。

1.2.1 技术形成期 20世纪80年代，基于医学影像的定量分析已在计算机辅助诊断系统中萌芽。研究者通过人工经验设计肿瘤几何特征和统计纹理特征，尝试建立影像特征与病理结果的关联[7]。但手工特征仅反映统计量，缺乏病理生理学解释，且传统线性模型难以捕捉特征与临床结局的非线性关系，导致效能不足。2012年，Lambin团队在《European Journal of Cancer》发表里程碑式论文，首次系统提出“Radiomics”概念[8]。其建立标准化分析流程，采用LASSO回归关联影像特征与肿瘤生物学机制，解决传统计算机辅助诊断的“黑箱”问题，突破机器学习非线性建模的瓶颈，推动影像组学从理论迈向临床研究。

1.2.2 快速发展期 随着影像组学研究方法的广泛应用，其技术体系暴露出算法效能和方法学异质性双重瓶颈。

在算法层面，传统机器学习基于人工设计纹理特征，仅能表征肿瘤表观统计特性，无法解析微环境空间异质性；多模态影像虽具协同价值，但线性模型难以捕捉模态间非线性交互，早期研究被迫采用低效的特征级融合，导致模型性能与病理金标准差距显著。深度学习如卷积神经网络的端到端学习机制，实现跨尺度特征提取与非线性建模，见图2[9]。但卷积神经网络依赖大数据，小样本量易造成过拟合。因此，迁移学习被引入影像组学领域，通过自然图像预训练与医学影像微调，缓解数据不足问题[10]。新算法训练的模型在各医学任务中相较于传统模型表现更加优异。Paul等[11]将深度学习与传统影像组学特征相结合，在肺结节恶性预测任务中曲线下面积为0.96，相较于仅使用传统影像组学技术的最佳模型性能提升10.3%，证实深度学习在挖掘亚视觉特征方面的独特优势。Rusu-Both等[12]利用掩码区域卷积神经网络架构，将B模式超声的形态特征、多普勒血管密度及弹性成像的硬度信息相结合构建综合模型，其在淋巴结转移评估任务中综合灵敏度达到92.56%，验证多模态深度学习的价值。

图2 卷积神经网络

在方法学层面，虽然Lambin团队建立影像组学的标准化流程，但各中心在不同环节中仍存在异质性，成为制约模型跨中心验证可重复性与泛化性能的关键瓶颈[13]。针对该挑战，多项标准化工具相继推出。2017年，开源工具包PyRadiomics推出，使特征提取算法得以标准化[14]；同年，影像生物标志物标准化倡议启动，明确多项核心特征的定义与公式，建立特征计算的金标准[15]；2018年，影像组学质量评分体系问世，进一步规范研究设计的循证医学等级[16]。这三项工具形成从数据预处理、特征计算标准化到研究质量评估的质控链条，使多中心研究的特征复现误差显著减小。

1.2.3 临床应用转化期 深度学习这种端到端学习模式使模型决策逻辑高度不透明，临床医师既无法验证特征是否真实反映疾病本质，又无法排除模型可能依赖扫描参数差异、图像伪影等无关因素进行预测的风险[17]。鉴于此，可解释性人工智能技术体系被引入影像组学，如SHapley加性解释和局部可解释模型-依赖性解释，通过量化影像特征与预测结果的关联，将黑箱模型转化为可视化医学证据，提升临床可信度，助力智能诊疗应用[18-19]。此外，多中心研究的兴起在提升影像组学模型泛化能力时，也加剧医疗数据隐私保护与跨机构协作间的矛盾，联邦学习由此成为解决这一困境的关键技术，通过本地化模型训练和加密参数聚合，解决多中心研究的数据隐私与协作矛盾，既规避影像数据传输风险，又能融合多中心知识提升模型泛化能力，加速智能诊疗临床转化[20]。

1.3 技术优势

影像组学通过系统性技术革新实现医学影像诊断的范式转变，其核心优势在于建立从图像数据到定量特征的标准化转化体系[21]。该技术利用高通量算法提取纹理异质性、形态复杂性等高维特征，将传统主观视觉评估转化为可计算、可验证的数学模型，显著提升诊断客观性。通过融合数学建模与机器学习方法，还可构建影像特征与分子机制、临床预后的多尺度关联网络，为疾病机制研究提供全新视角。其深层价值在于打通从像素级影像数据到个体化诊疗决策的转化路径，通过量化诊断指标和构建疗效预测模型，为精准医学提供既具有生物学可解释性又具备临床实用性的决策框架。

2 影像组学在中西医结合领域中的应用

当前在中西医结合领域影像组学的应用主要呈现两大体系：①依托于现代医学影像设备（如CT、MRI）的中西医关联研究[22]；②结合中医诊断学特色形成的舌面诊图像量化分析系统研究[23]。两者均通过多维度影像特征提取与机器学习建模，构建起连接中医宏观辨证与西医微观病理的数字化桥梁。

2.1 基于现代医学影像设备的中西医关联研究

2.1.1 中医证型分类及证候关联的微观病理挖掘 研究方法通常为对已完成中医辨证分型患者群体提取病灶影像的形态学、纹理特征及功能参数，通过人工智能算法构建证型分类预测模型，并可通过这些影像学特征挖掘中医证型与西医微观病理的联系。近年来，多项研究验证中医证型与医学影像高通量特征的量化对应关系，如洪敏萍等[24]基于111例肉芽肿性乳腺炎患者MRI多序列影像数据成功构建中医分型预测模型；王莹等[25]构建并验证基于超分重建的预测肝癌中医证型MRI影像组学模型；魏东升[26]基于121例稳定型心绞痛患者的冠状动脉CT影像特征，成功构建痰瘀互结与气虚血瘀证鉴别模型，训练集曲线下面积高达0.941，也证实冠状动脉周围脂肪组织纹理特征与中医证候显著相关。赵楠楠[27]通过乳腺MRI纹理参数分析发现足太阴脾经对应病灶区域的簇阴影值呈特异性改变，从影像组学角度量化验证“乳岩属脾经”的经络辨证规律。

2.1.2 构建疗效评价量化指标体系与预后预测模型 研究采用定量对比方法，分析中西医治疗前后病灶影像组学特征演变，构建疗效评价体系或预后预测模型。在疗效评价量化指标体系构建方面，侯晓宙[28]发现弯腰挺立手法治疗前后的腰椎MRI影像组学特征变化可能作为评估腰椎小关节紊乱疗效的潜在指标；庄明辉[29]发现，理筋正骨手法可显著改变颈椎失稳患者关节突及颈后肌群的影像组学特征，为其疗效评估提供新指标。在预后预测模型的建立上，赵成利[30]基于104例肝癌患者CT影像组学特征，构建多模态模型预测中医药联合微创术后的复发风险，曲线下面积为0.91；李靖华[31]构建的冷消融联合中药治疗非小细胞肺癌的预后预测模型展现卓越效能。

2.2 基于中医特色影像采集系统的舌面诊图像分析与量化研究

该研究领域的技术路径为采用高分辨率成像设备结合环境光控制技术获取舌象及面色数据，通过应用图像分割算法解析舌面图像特征，进而量化色彩、纹理、形态等多个维度的参数，最终主要呈现两种研究模式[32-36]。①建立中西医关联模型。通过挖掘舌面特征值与西医检测指标的关系，进而从影像维度诠释中医病机的现代生物学内涵。如周佳慧[37]通过1 235例新型冠状病毒感染患者舌象分析发现，危重期舌R/G显著高于普通型，实现温病传变的动态监测。江涛等[38]挖掘高尿酸血症患者的舌图特征并探究其变化与尿酸水平的关系，发现高尿酸血症患者随尿酸水平升高，舌象特征呈紫暗舌质、白厚腻苔变化，在影像学证实该病与痰湿血瘀相关。②构建舌面证候数字化模型[39]。将舌面特征群与中医“湿、痰、瘀”等病机要素建立量化映射，进而开发智能诊断系统。如李佳佳[40]构建高血压病肝火亢盛证面部色诊分类模型。杨娜婷等[41]通过分析抑郁症肝郁脾虚证的面诊参数特征，构建抑郁症肝郁脾虚证诊断模型。邢维颖[42]融合面部图像和临床指标两类模态数据，构建具有中医面诊特点的血压预测模型，有望提高潜在高血压病患者的检出率。

3 影像组学在风湿免疫病诊疗中的应用现状

从现有研究方向来看，影像组学在风湿免疫病领域的应用主要聚焦于早期诊断精度提升、实时活动性监测及治疗决策优化三大方向。

在疾病诊断领域，影像组学展现超越传统影像技术的敏感性。储晨[43]基于腮腺MRI的纹理异质性分析，构建干燥综合征早期诊断模型，将诊断窗口期显著前移；李府天[44]基于CT影像组学开发骶髂关节自动分级算法，实现强直性脊柱炎的客观化诊断，分级结果与病理进展高度一致。

在疾病活动性监测中，影像组学通过时序特征分析优化评估体系。周颖等[45]基于磁共振PDW序列提取手内在肌纹理特征，构建类风湿关节炎活动度分级模型，通过量化滑膜-骨髓界面异质性等微观特征，提升疾病活动性评估的客观性与精准度；史兆娟[46]基于STIR序列骨髓水肿异质性参数，建立强直性脊柱炎的炎症活动预警系统，通过量化空间异质性特征，动态监测炎症演变，较传统方法更早识别病情进展关键节点。

在治疗决策优化方面，影像组学正推动风湿免疫病治疗策略从“经验试错”向“靶向调控”转型。Han等[47]基于胸部CT影像组学与涎液化糖链抗原-6标志物构建列线图模型，精准识别类风湿关节炎相关间质性肺病低风险群体，避免过度治疗并指导高风险患者早期干预。柳洪亚等[48]基于高分辨率CT影像组学提取肺实质异质性特征，开发支持向量机模型，可较为精准区分常见间质性肺炎与非特异性间质性肺炎模式。

然而，当前该领域研究仍存在以下局限性：①该疾病领域的研究多集中于西医诊疗体系，针对中西医结合领域的探索近乎空白，且在病种覆盖层面，多数成果集中于类风湿关节炎，对其他风湿免疫病种的探索明显不足；②相关模型构建普遍依赖通用算法框架，同质化严重，缺乏针对疾病特有病理改变的创新性方法设计，导致模型精度提升遭遇瓶颈。在早期诊断方面，现有研究通常受限于单中心或小样本量数据，不仅模型泛化能力面临挑战，关键影像特征的生物学机制解释也亟待深化，这种机制脱节严重制约结果的临床可解释性。疾病活动性监测模型则多基于静态分析范式，难以准确捕捉疾病演进的动态规律，对突发性病情变化的敏感性不足，而影像采集参数差异引发的特征漂移问题进一步削弱模型的稳定性。治疗决策优化领域的预测模型虽具潜力，但其临床转化验证仍严重滞后。以上问题须从3个方面突破：①开发适配风湿免疫病病理特质的新型算法，拓展病种研究；②构建融合时空动态分析的可解释模型，深入阐明特征群与疾病机制的关联；③开展前瞻性的临床验证试验，实现影像组学引导的精准决策闭环。

4 影像组学在中西医结合诊疗风湿免疫病领域中的应用

4.1 诊疗瓶颈与影像组学应用契机

风湿免疫病作为一组病程迁延、多系统受累的特异性疾病，呈现三大关键临床特征：①病理进程的时空异质性。不同病种或同一病种在不同阶段可出现滑膜增生、血管翳形成等特征性病理改变。②治疗矛盾的复杂性。抗风湿药、非甾体抗炎药及激素治疗面临效果与毒性并存的困境。③诊疗评估的多维性。疾病活动度评估需兼顾关节、皮肤及内脏等多个靶器官。这些特征性表现使中西医结合诊疗面临特殊挑战[49]：①病理异质性高，不同病理在微观层面交织并存，而中医经验性辨证体系缺乏客观量化标准，导致中西医结合诊疗精度受限[50]；②病程迁延且需长期用药，以抗风湿药联合中药为代表的治疗方案，其时空协同靶点尚未阐明，限制中西药协同疗效；③多系统受累且疗效与毒性并存，依赖实验室指标判断疗效和毒性，如肝肾损伤，难以及时预警亚临床病变进展[51]。

4.2 基于影像组学的整合分析框架与类风湿关节炎示范应用

影像组学作为人工智能与多模态成像技术融合的前沿领域，为突破风湿免疫病中西医结合诊疗瓶颈提供新的思路，其核心在于构建一种“多源数据整合-时空动态分析”的系统性研究框架。该框架的核心设计体现在两个层面：①数据层面。强调整合定量化的医学影像特征、西医疗效与安全性指标，以及标准化的数字中医四诊信息，旨在构建可动态刻画风湿免疫病病程特征的中西医结合评价体系。②方法学层面。创新性地融合时序动态追踪与空间精确定位的双维度分析策略，致力于同步解析疾病演进的时间规律与病理改变在空间尺度上的异质性分布。其本质是一种跨尺度解析的尝试，即在中医整体观指导下解读影像特征的生物学意义，同时将西医定量技术深度嵌入中医证候演变的客观验证与动态建模过程，力求形成连接“宏观辨证-影像表型-微观机制”的研究范式。

基于此框架，中西医结合诊疗风湿免疫病领域的发展路径可聚焦3个关键方向：①中医辨证的客观化转型。通过将抽象的中医病机转化为可量化、可视化的影像表型时序演变图谱，为风湿免疫病的中医辨证提供直观的影像学佐证。②围绕协同增效机制的系统阐释。借助病灶微环境时空动态解析精细描绘中西药物互作的多靶点效应网络，从而在根本机制上阐明治疗增效原理。③个体化治疗决策的风险控制。构建融合影像组学特征的多维预测模型，有望为安全实施中西药物联用提供精准的风险获益评估与动态调控路径。该研究框架兼具普适性方法论价值与病种特异性转化潜力，能通过风湿免疫病关键影像组学特征的深度挖掘，构建适配不同疾病实体的精准诊疗路径。为清晰阐述其应用路径与研究思路，本文将选取类风湿关节炎这一典型病种进行深入例证分析，以期为系统性红斑狼疮、强直性脊柱炎等风湿免疫病的中西医结合研究提供方法学启示与实践参考。

在类风湿关节炎诊疗领域，尽管传统影像学已发现不同中医证型存在特征性影像学表现，但这些基于临床经验的定性描述仍存在一定的不足[52]。一方面，这些描述相对泛化且粗略，缺乏精确的量化标准和客观的评定阈值；另一方面，现有的影像学指标多停留在单一的形态学观察层面，难以精准捕捉复杂疾病的中医病机演变规律，更无法准确判断不同病机间的相互转化与消长关系，这些缺陷可直接影响对疾病发展势态的精准把握，从而在很大程度上削弱医师临床用药决策的科学性与精准性。在实践中更突出的问题是，现有辨证体系难以建立中医病机演变与现代医学病理改变的精确对应关系。如当影像学同时出现滑膜炎症增厚与骨侵蚀表现时，现有方法无法准确判断此为湿热夹瘀或是肝肾亏虚兼湿热表现，更难以量化评估各病机因素的相对权重。此外，治疗后的疗效评估缺乏标准化的影像学评价体系，无法客观判断清热祛湿药物对滑膜炎的改善程度，或评价补益肝肾药对骨修复的真实效果。这些问题严重制约中西医结合治疗方案的优化与精准实施。如当类风湿关节炎患者从活动期向缓解期转变时，传统方法无法准确判断湿热病机的残余程度与正虚表现的进展情况，导致减停药时机的选择缺乏客观依据。当患者出现治疗效果不佳时，现有辨证方法难以确切判断问题是源于病重药轻、证候判断错误，还是出现邪郁化热或久病入络等新的病机变化，这些不确定性临床决策带来巨大挑战。

对此，在中西医类风湿关节炎诊断方面，影像组学可通过整合高维纹理特征解析与血流动力学时序特征提取技术，协同中医证候的数字化表型分析构建动态追踪模型，对“风、寒、湿、热、瘀”等核心病机在滑膜增生厚度异质性、骨侵蚀边缘代谢活性等关键病理环节进行三维空间映射与量化评估，将定性描述转化为客观数值指标，为医师临床辨证和调整用药方案提供依据，降低对主观经验的依赖性以提高诊疗精度。如当模型检测到血管翳活性消退速率与骨破坏进程呈现非对称演变时，系统可提示“邪盛正衰”的病机转化临界点，为补益肝肾药的精准介入提供依据[53]；若滑膜炎症异质性持续扩增，则提示需动态调整祛湿通络方案[54]。这种构建“中医证候-影像特征-分子病理”跨尺度关联模型的研究模式，有望推动风湿免疫病的中西医结合诊疗迈入精准医学新阶段，见图3。

图3 “中医证候-影像特征-分子病理”关联模型研究

同时，影像组学为类风湿关节炎中西药协同增效提供新方法。针对长期以来中西药协同机制研究中普遍存在的知其效不明其理的实证困境，影像组学可开创一种多维度、动态化、可视化互证的新型研究范式[55]。以甲氨蝶呤联合雷公藤治疗类风湿关节炎为例，已有研究推测雷公藤可能通过调控血管新生相关信号等特定分子通路增强甲氨蝶呤疗效，但传统研究依赖体外实验或静态观察，无法捕捉两者在人体内的动态协同过程[56]。影像组学为揭示其协同机制提供独特而深入的研究路径：通过动态增强MRI时序分析结合多参数定量评估，研究人员能连续追踪治疗全过程中的滑膜微血管渗透性参数的动态变化。这种方法使研究人员能清晰地区分西药基础治疗的剂量-效应曲线与中药介入后的协同效应曲线，准确捕捉到两者间的最佳协同作用窗口。更进一步，通过结合高分辨率的血管网络拓扑分析技术与三维可视化重建，研究者能定量评估微血管密度分布、分支形态和空间构型的详细特征。这些空间特征参数可与既有的分子通路研究数据直接关联，建立起完整的“影像特征-病理改变-分子机制”三级证据链。这种“时序追踪+空间定位”的双维度分析方法，既克服传统组织取样研究只能获取静态信息的局限性，又避免单纯分子检测难以空间定位的缺陷。在临床转化方面，这种研究方法的价值主要体现在3个层面：①其可提供客观定量指标指导最佳给药时机的选择，如在滑膜血管通透性出现平台期时及时加入中药干预；②通过分析不同配伍方案下各参数的动态变化规律，能筛选最具协同效应的药物组合；③这种方法还能为个体化治疗方案的制订提供可靠依据，见图4。

图4 中西药联用协同机制解析模型研究思路

此外，影像组学为类风湿关节炎的抗风湿药临床应用决策困境提供新解决路径。以抗风湿药为代表的西药临床应用长期面临“控病需用药，用药惧毒性”的决策困境，而目前的决策体系依赖滞后性实验室指标及经验性辨证，难以实现风险早期预警与方案动态调控[57]。影像组学或能为此类难题提供解决路径，其可通过构建疗效-毒性双通道预测模型，融合西医影像特征与中医证候数字化表型，建立基于风险与疗效量化评估的动态决策体系，在治疗全程中动态监测预期获益与潜在危害，以最小化综合临床风险为目标实时调整治疗策略[58]。如在基线期通过滑膜动态对比增强MRI药代动力学参数联合肝胆超声纹理异质性特征，有望预测药物应答敏感性与肝损伤风险，并在治疗过程中同步监测滑膜硬度演变轨迹与肝损伤相关中医证候（如肝胆湿热证）的数字化表型[59]；当系统检测到滑膜纤维化速率异常且相关中医证候的数字化表型量化评估值超过诊断阈值时，智能决策模块将触发中药干预方案，如茵陈蒿汤干预肝胆湿热证以降低肝毒性风险，或联用雷公藤多苷增强滑膜炎症控制力度[60-61]。这种动态平衡模式可持续优化风险获益比，确保治疗方案始终遵循风险最小化原则，为破解抗风湿药等的临床应用决策困境提供新思路，使临床决策体系从被动应对不良反应转向主动风险管控，见图5。

图5 中西医结合治疗方案动态决策模型研究思路

5 挑战与展望

目前，影像组学在中西医结合风湿免疫病诊疗中的应用仍面临多重挑战。①数据标准化与模型泛化。影像特征高度依赖数据质量与处理流程的一致性，不同机构的设备差异、单中心和小样本量局限及外验证不足，严重制约模型泛化能力。未来亟须多中心协作，制订统一的影像采集处理规范，构建标准化数据库，并探索自动化分割技术以提升特征可重复性。②中医证候的客观化是关键瓶颈。个体化辨证的优势与经验依赖性并存，易引入标签噪声，且四诊信息多以定性为主，缺乏量化标准。整合数字化四诊技术与影像组学特征，有望构建稳定、可量化的中西医结合证候数据体系。③多模态融合与跨学科协作势在必行。风湿免疫病的复杂性要求突破单一数据局限，如影像、免疫指标、遗传与证候等。然而，异构数据整合建模挑战巨大，攻克此壁垒的核心在于培养跨学科复合型人才，并建立深度协作机制，研究者需兼具扎实的医学与影像学知识、数据科学素养及算法能力，研究范式也需深度融合医学、信息科学及工程学等多领域资源。④伦理、信任与临床转化是应用基石。需明确影像组学模型的辅助决策性质。克服模型“黑箱”特性、提升决策可解释性对构建医患信任至关重要。最终需在完善的伦理监管框架下，确保模型成为医师可理解、可信赖的决策助手，而非替代者，从而推动其真正的临床落地。

利益冲突声明：所有作者均声明不存在利益冲突。

[参考文献]

[1] 曾王星，邓茜，彭紫凝，等. 蜡疗结合常规药物治疗类风湿关节炎临床效果的meta分析[J]. 中国药学（英文版），2025，34（3）：284-292.

[2] 杨娟娟，李浩林，王振东，等. 强直性脊柱炎的骨免疫学机制及中医药治疗的研究进展[J]. 中药新药与临床药理，2024，35（8）：1264-1271.

[3] 张奉春，栗占国. 内科学：风湿免疫科分册[M]. 北京：人民卫生出版社，2015.

[4] Sánchez-Zuno G A，Oregón-Romero E，Hernández-Bello J，et al. Rheumatic diseases and allergies，the duality of the immune system [J]. Rev Alerg Mex，2021，68（4）：264-275.

[5] 薛飞飞，郝闻致，陈家旭. 层次分析法在中医证候标准化研究的应用探讨[J]. 中华中医药杂志，2025，40（1）：271-274.

[6] 刘再毅，石镇维. 医学影像人工智能：进展和未来[J]. 国际医学放射学杂志，2023，46（1）：1-4.

[7] Doi K. Computer-aided diagnosis in medical imaging：historical review，current status and future potential [J]. Comput Med Imaging Graph，2007，31（4/5）：198-211.

[8] Lambin P，Rios-Velazquez E，Leijenaar R，et al. Radiomics：extracting more information from medical images using advanced feature analysis [J]. Eur J Cancer，2012，48（4）：441-446.

[9] Kim H E，Cosa-Linan A，Santhanam N，et al. Transfer learning for medical image classification：a literature review [J].BMC Med Imaging，2022，22（1）：69.

[10] Paul R，Hawkins S H，Goldgof D B，et al. Deep feature transfer learning in combination with traditional features predicts survival among patients with lung adenocarcinoma [J]. Tomography，2016，2（4）：388-395.

[11] Paul R，Hall L，Goldgof D，et al. Predicting nodule malignancy using a CNN ensemble approach [J]. Proc Int Jt Conf Neural Netw，2018，2018：10.1109/IJCNN.2018.8489345.

[12] Rusu-Both R，Socaci M C，Palagos A I，et al. A deep learning-based detection and segmentation system for multimodal ultrasound images in the evaluation of superficial lymph node metastases [J]. J Clin Med，2025，14（6）：1828.

[13] Yip S S，Aerts H J. Applications and limitations of radiomics [J]. Phys Med Biol，2016，61（13）：R150-R166.

[14] Van Griethuysen J J M，Fedorov A，Parmar C，et al. Computational radiomics system to decode the radiographic phenotype [J]. Cancer Res，2017，77（21）：e104-e107.

[15] Zwanenburg A. EP-1677：multicentre initiative for standardisation of image biomarkers [J]. Radiother Oncol，2017，123：S914-S915.

[16] Sanduleanu S，Woodruff H C，De Jong E E C，et al. Tracking tumor biology with radiomics：a systematic review utilizing a radiomics quality score [J]. Radiother Oncol，2018，127（3）：349-360.

[17] Combi C，Amico B，Bellazzi R，et al. A manifesto on explainability for artificial intelligence in medicine [J]. Artif Intell Med，2022，133：102423.

[18] Lundberg S M，Lee S I. A unified approach to interpreting model predictions [J]. Adv Neural Inf Process Syst，2017，2017（2）：4766-4775.

[19] Raptis S，Ilioudis C，Theodorou K. From pixels to prognosis：unveiling radiomics models with SHAP and LIME for enhanced interpretability [J]. Biomed Phys Eng Express，2024，10（3）：035016.

[20] Xing H，Sun R，Ren J，et al. Achieving flexible fairness metrics in federated medical imaging [J]. Nat Commun，2025，16（1）：3342.

[21] 鲁慧民，薛涵，王奕龙，等. 机器学习在影像组学分析中的应用综述[J]. 计算机工程与应用，2023，59（17）：22-34.

[22] 刘颖，刘静宇，张帆. 影像组学临床应用与研究进展[J]. 河南大学学报（医学版），2022，41（6）：400-406.

[23] 孙晨格，李玉坤，赵志伟，等. 融合先验知识和信息化技术的望诊客观化研究现状与思路探析[J]. 世界科学技术-中医药现代化，2024，26（6）：1654-1659.

[24] 洪敏萍，周长玉，卜阳阳，等. 基于多参数MRI影像组学特征预测肉芽肿性乳腺炎中医证型的研究[J]. 浙江中医药大学学报，2022，46（5）：483-489.

[25] 王莹，李颖鑫，张喜荣. 超分重建影像组学模型对原发性肝癌中医证型的诊断效能研究[J]. 山东中医杂志，2024，43（8）：853-860，912.

[26] 魏东升. 基于冠脉影像组学对稳定型心绞痛痰瘀互结证及气虚血瘀证的鉴别[D]. 沈阳：辽宁中医药大学，2024.

[27] 赵楠楠. 磁共振纹理分析与中医脏腑经络理论在乳腺癌临床诊断中的相关研究[D]. 沈阳：辽宁中医药大学，2018.

[28] 侯晓宙. 基于“筋束骨”理论探讨腰椎小关节紊乱的影像组学建立和相关应用[D]. 北京：中国中医科学院，2024.

[29] 庄明辉. 基于“筋骨平衡”理念探讨颈椎失稳的影像组学模型构建及其应用研究[D]. 北京：中国中医科学院，2022.

[30] 赵成利. 基于CT影像组学预测肝癌中医药联合微创综合治疗后早期复发的应用研究[D]. 郑州：河南中医药大学，2023.

[31] 李靖华. 冷消融联合中药治疗非小细胞肺癌的影像组学分析及预后模型构建[D]. 北京：北京中医药大学，2023.

[32] 耿嘉蔚，田雨，王舒怡，等. 深度学习在中医四诊客观数据一体化集合模式的理论研究[J]. 中华中医药学刊，2025，43（11）：21-27，278.

[33] 夏雨墨，高慧，王庆盛，等. 颜色空间在中医望诊客观化研究中的应用进展[J]. 中国中医药信息杂志，2021，28（4）：135-139.

[34] 吴欣. 基于深度学习的中医舌象分类算法研究[D]. 江门：五邑大学，2024.

[35] 付依敏，王乐，李金霞. 基于面诊客观化的证候辨识研究述评[J]. 中国中医基础医学杂志，2024，30（11）：1951-1956.

[36] 陈恩纳，李圣烨，胡毓亲，等. 中医舌诊图像采集与色彩信息分析研究进展[J]. 中华中医药杂志，2024，39（7）：3586-3589.

[37] 周佳慧. 基于RGB色彩模型与影像组学探讨吉林省新型冠状病毒感染患者中、西医分型的舌象特征相关性研究[D]. 长春：长春中医药大学，2024.

[38] 江涛，曾令旨，齐真，等. 高尿酸血症患者舌象的图像特征研究[J]. 中医杂志，2018，59（22）：1948-1952.

[39] 杨彦帆. 将数字技术融入中医药传承创新[N]. 人民日报，2024-12-02（2）.

[40] 李佳佳. 基于深度学习的高血压病肝火亢盛证面部色诊研究[D]. 北京：中国中医科学院，2020.

[41] 杨娜婷，周旋，马庆宇，等. 抑郁症肝郁脾虚证患者面诊客观参数分析[J]. 中华中医药杂志，2023，38（8）：3836-3839.

[42] 邢维颖. 基于深度学习和中医面诊的血压预测模型构建[D]. 北京：北京中医药大学，2023.

[43] 储晨. 腮腺影像组学在干燥综合征诊断及其活动性评估中的应用研究[D]. 南京：南京大学，2020.

[44] 李府天. 基于骶髂关节CT影像的强直性脊柱炎自动分级研究[D]. 汕头：汕头大学，2022.

[45] 周颖，陈琪，龚沈初，等. 影像组学联合RAMRIS构建列线图对类风湿关节炎疾病活动度的预测价值[J]. 交通医学，2024，38（4）：378-382，387.

[46] 史兆娟. 磁共振STIR、DWI定量参数与影像组学对早期强直性脊柱炎骶髂关节骨髓水肿活动性研究[D]. 济南：山东大学，2021.

[47] Han N，Guo Z，Zhu D，et al. A nomogram model combining computed tomography-based radiomics and Krebs von den Lungen-6 for identifying low-risk rheumatoid arthritis-associated interstitial lung disease [J]. Front Immunol，2024，15：1417156.

[48] 柳洪亚，祝洁，刘晨，等. 高分辨率CT影像组学分类诊断类风湿关节炎相关间质性肺疾病的效能[J]. 陆军军医大学学报，2024，46（8）：878-885.

[49] 徐愿，罗静，韩曼，等. 中医药治疗风湿免疫领域临床优势病种的探讨[J]. 中国实验方剂学杂志，2022，28（9）：198-204.

[50] 严悦婷. 中医药防治风湿免疫疾病评价体系的构建与思考[J]. 中医药管理杂志，2024，32（22）：250-252.

[51] 陈浩，尹连红，彭金咏. 甲氨蝶呤对器官毒性的作用机制研究进展[J]. 中国药理学通报，2024，40（2）：213-218.

[52] 高阳鹭，叶敏兰，唐晓颇，等. 207例膝骨关节炎患者中医证型与炎症指标及高频超声影像改变的关系[J]. 中国中医骨伤科杂志，2024，32（4）：34-38.

[53] 向峥，张成波，韩海慧，等. 类风湿关节炎的骨破坏发生机制及中医药防治现代研究进展[J]. 上海中医药大学学报，2024，38（3）：101-109.

[54] 顾庾国，吴黎明，姜宏，等. 行气利湿方联合金黄膏治疗膝骨关节炎的临床研究[J]. 中国中医骨伤科杂志，2025，33（3）：56-63.

[55] 徐振娜，赵逸卿，陈思宇，等. 中西药联合用药的优势及风险分析[J]. 中草药，2023，54（2）：408-415.

[56] 马玉草，吕柳，王海隆. 雷公藤及其提取物调控相关信号通路治疗类风湿关节炎的机制研究进展[J]. 中医学报，2025，40（3）：556-561.

[57] 陈文，刘燕. 甲氨蝶呤治疗类风湿关节炎所致不良反应研究进展[J]. 实用药物与临床，2023，26（1）：88-92.

[58] 李自强，吕春晓，潘桂湘，等. 以临床获益-风险为导向的中西药相互作用研究策略与方法[J]. 中草药，2024，55（6）：1780-1787.

[59] 王小容，赖宇林，李松辅，等. DCE-MRI测定药代动力学定量参数、ADC值、病灶血流TIC与乳腺癌患者病理分型及疗效评估的关系分析[J]. 中国临床医学影像杂志，2021，32（3）：175-180.

[60] 曾传富. 茵栀益肝汤治疗恶性肿瘤免疫治疗相关性肝炎（肝胆湿热型）的临床研究[D]. 长春：长春中医药大学，2024.

[61] 杜佩，汤靖岚，侯春杰，等. 雷公藤多苷片降低类风湿关节炎患者亚临床滑膜炎残留的应用价值研究[J]. 浙江医学，2023，45（13）：1384-1388.

Application progress on radiomics in diagnosis and treatment of rheumatic and immunological diseases through integration of traditional and western medicine

LEI Feiyang1 ZHANG Wenkang2 HU Sunlin2 LIU Ting1 LIU Rihong1 TAO Qingwen1 WANG Zihan1 WANG Jinping1

1.Department of Traditional Chinese Medicine and Rheumatology, China-Japan Friendship Hospital, Beijing 100029,China; 2.School of Traditional Chinese Medicine, Beijing University of Chinese Medicine, Beijing 100029, China

[Abstract] Rheumatic and immunological diseases such as rheumatoid arthritis, systemic lupus erythematosus, and ankylosing spondylitis, are chronic inflammatory conditions that result from immune system imbalances. Polygene and environmental interaction mechanisms and progression characteristics of these diseases pose challenges to collaborative diagnosis and treatment of traditional Chinese and western medicine, for example, the subclinical stage is difficult to diagnose early due to lack of specific imaging biomarkers, biomarker threshold in traditional disease management is vague and lacks unified standards, and traditional Chinese medicine syndrome differentiation and treatment rely on empirical judgment and lack objective evaluation indicators, restricting development of individualized precision diagnosis and treatment. In recent years, advancements in artificial intelligence technology have gradually integrated radiomics into study of complex diseases, offering potential breakthrough solutions to these challenges through high-throughput imaging feature analysis and dynamic data modeling. This article systematically reviews research progress on radiomics in diagnosis and treatment of rheumatic and immunological diseases, explores its potential application in collaborative diagnosis and treatment of rheumatic and immunological diseases between traditional Chinese medicine and western medicine,aiming to provide a theoretical framework and technical pathway for clinical practice and translational research.

[Key words] Rheumatic and immunological diseases; Radiomics; Integration of traditional and western medicine; Diagnosis and treatment

[中图分类号] R241

[文献标识码] A

[文章编号] 1673-7210（2026）08（c）-0173-09

DOI：10.20047/j.issn1673-7210.26011019

[基金项目] 国家自然科学基金青年科学基金资助项目（82204901）；中日友好医院“菁英计划”人才培育工程项目（ZRJY2023-QM21）；北京中医药大学研究生自主科研课题（ZJKT2024018）。

[作者简介] 雷飞扬（2003.9-），女，中日友好医院2026级中医内科学专业在读硕士研究生，主要从事中西医结合治疗风湿病的临床与机制研究工作。

[通信作者] 王子涵（1996.9-），男，博士，主要从事中西医结合治疗风湿病的临床与机制研究工作。王金平（1991.5-），女，博士，主要从事中西医结合治疗风湿病的临床与机制研究工作。

（收稿日期：2026-01-15）

（修回日期：2026-04-07）