光谱CT碘定量分析在克罗恩病活动度评价中的临床应用进展

摘要

克罗恩病(Crohn's disease, CD)为以透壁性炎症和反复复发缓解为特征的慢性炎症性肠病, 活动度的客观评估是临床管理重点. 光谱计算机断层扫描可同步获得虚拟单能级图像、碘密度图及能谱参数, 提升炎症肠壁显示并实现灌注与碘摄取定量分析. 既往研究提示碘浓度、归一化碘浓度及能谱参数与CD活动指数、内镜活动评分、病理炎症及黏膜愈合相关; 近年来, 机器学习和深度学习进一步拓展了其在活动识别、病灶分割和疗效预测中的应用. 本文综述其技术基础、关键参数、临床证据、人工智能融合应用及现存问题, 以期为标准化研究和临床转化提供参考.

关键词: 克罗恩病; 光谱CT; 碘定量; 虚拟单能级成像; 人工智能

核心提要: 光谱CT碘定量通过虚拟单能级图像和碘密度图实现克罗恩病炎症的量化评估, 碘浓度及归一化碘浓度与内镜、病理活动度显著相关, 联合人工智能可提升活动识别和黏膜愈合预测效能, 为无创动态监测提供客观影像学指标, 但标准化与前瞻性验证仍是临床转化的关键.

Advances in clinical application of spectral CT iodine quantification in the assessment of Crohn's disease activity

Jun-Yi Zhou, Yi-Hong Fan, Si-Si Zheng

Jun-Yi Zhou, Si-Si Zheng, Department of Radiology, The First Affiliated Hospital of Zhejiang Chinese Medical University, Zhejiang Provincial Hospital of Chinese Medicine, Hangzhou 310000, Zhejiang Province, China

Yi-Hong Fan, Department of Gastroenterology, The First Affiliated Hospital of Zhejiang Chinese Medical University, Zhejiang Provincial Hospital of Chinese Medicine, Hangzhou 310000, Zhejiang Province, China

Corresponding author: Si-Si Zheng, Attending Physician, Department of Radiology, The First Affiliated Hospital of Zhejiang Chinese Medical University, Zhejiang Provincial Hospital of Chinese Medicine, No. 54 Youdian Road, Shangcheng District, Hangzhou 310000, Zhejiang Province, China. zhengsisi@zcmu.edu.cn

Received: June 25, 2026
Revised: August 2, 2026
Accepted: September 1, 2026
Published online: October 28, 2026

Abstract

Crohn's disease (CD) is a chronic inflammatory bowel disease characterized by transmural inflammation and a relapsing-remitting course. Objective and reproducible assessment of disease activity remains central to clinical management. Spectral computed tomography (CT) can simultaneously provide virtual monoenergetic images, iodine maps, and spectral parameters, thereby improving visualization of the inflamed bowel wall and enabling quantitative assessment of perfusion and iodine uptake. Previous studies have shown that iodine concentration, normalized iodine concentration, and related spectral parameters correlate with the Crohn's Disease Activity Index, endoscopic activity scores, histopathology, and mucosal healing. In recent years, machine learning and deep learning have further expanded its applications in activity detection, lesion segmentation, and treatment-response prediction. This review summarizes the technical basis, key parameters, clinical evidence, artificial intelligence-integrated applications, and current challenges of spectral CT iodine quantification in CD activity assessment, with the aim of supporting standardization and clinical translation.

Key Words: Crohn's disease; Spectral computed tomography; Iodine quantification; Virtual monoenergetic imaging; Artificial intelligence

核心提要: 光谱CT碘定量通过虚拟单能级图像和碘密度图实现克罗恩病炎症的量化评估, 碘浓度及归一化碘浓度与内镜、病理活动度显著相关, 联合人工智能可提升活动识别和黏膜愈合预测效能, 为无创动态监测提供客观影像学指标, 但标准化与前瞻性验证仍是临床转化的关键.

---

0 引言

克罗恩病(Crohn's disease, CD)是一种慢性、复发性、透壁性炎症性肠病, 可累及全消化道并呈节段性分布, 持续炎症可致纤维化、狭窄、穿孔等并发症, 约半数患者需手术干预[1,2]. 目前CD管理已由"症状导向"转向"目标导向", STRIDE-Ⅱ共识明确以临床缓解、内镜愈合及炎症指标改善为目标[3]. 但症状改善不等于炎症缓解, 临床评分难以准确反映真实活动状态[4]. 回肠结肠镜虽是评估黏膜炎症的"金标准", 但侵入性强、重复性差, 且无法评估肠壁全层及肠外病变. 横断面影像[磁共振肠道造影(magnetic resonance enterography, MRE)、CT小肠造影(computed tomography enterography, CTE)]重要性日增, 但传统CT依赖形态学, 对活动度定量评估不足[5]. 光谱计算机断层扫描(computed tomography, CT)通过不同能量衰减信息重建虚拟单能级图像及碘密度图, 可实现组织强化定量分析, 碘浓度(iodine concentration, IC)与炎症活动密切相关[6]. 同时机器学习模型整合光谱参数可自动评估疾病活动度[7]. 基于上述背景, 本文对光谱CT碘定量分析在CD活动度评价中的研究进展进行综述, 重点总结其技术原理、定量参数及临床应用价值, 并探讨其未来发展方向, 以期为临床应用及后续研究提供参考.

1 CD活动度评价的现有方法与局限

CD活动度评估的核心难点在于: 它不是一个单维度问题, 而是症状、炎症、生理功能和结构损伤共同作用的结果. 近年的STRIDE-Ⅱ共识[2]进一步把治疗目标从"症状缓解"推进到"客观炎症控制", 强调临床缓解、内镜愈合及生物标志物改善的分层达标; 而2025年ECCO-ESGAR-ESP-IBUS指南[8]也再次强调, CD的诊断与监测应依赖多模态、可重复的客观工具, 而不能只看患者主诉. 也就是说CD活动度评估早就不再是"选一个最好办法", 而是"把几种办法拼起来看全局".

1.1 临床评分

临床评分系统仍是门诊最常用的第一步工具, 其中CD活动指数(Crohn's Disease Activity Index, CDAI)和哈维-布拉德肖指数(Harvey-Bradshaw Index, HBI)因操作简便、适合随访而被广泛采用. 不过, 这类评分本质上主要反映腹痛、腹泻、体重变化、全身状况等症状层面的信息, 对肠壁真实炎症负荷的反映并不充分. 近年的文献[8]也在不断提醒我们, 临床评分适合做"入口筛查", 却不适合单独做最终裁决. 简化CD内镜评分(Simple Endoscopic Score for Crohn's Disease, SES-CD)和CD内镜下严重程度指数仍是临床试验和疗效评估中最常见的内镜量化工具, 但它们的可靠性更多属于"中等到较好", 在日常推广上仍有一定门槛. 近年来提出的CD简化内镜黏膜评估试图简化内镜评价流程, 研究显示其可靠、可重复、对病情变化敏感, 也更容易在临床和试验场景中使用[9-11].

1.2 炎症标志物

在非侵入性指标里, 粪便钙卫蛋白(fecal calprotectin, FC)和C反应蛋白(C-reactive protein, CRP)仍然是最常用的组合. AGA 2023年指南明确指出, FC和CRP可以用于CD的管理; 在症状缓解患者中, FC<150 μg/g且CRP正常时, 有助于排除活动性炎症, 从而减少不必要的内镜检查. 更重要的是, 这些指标并不是"只能看个大概", 而是在treat-to-target策略中被正式放在中间层级, 承担早期预警和随访监测的作用[12]. 国内2023年的一项研究也显示[13], FC与CDAI和SES-CD均呈显著正相关, 且在临床缓解、轻度活动和中重度活动之间存在清晰的梯度变化, 这说明FC对CD活动度确实有较好的现实价值. 只是它也有边界: 不同病变部位、不同活动阶段和不同实验室方法都会影响结果, 因此更适合做动态监测, 而不宜孤立解释.

1.3 内镜

小肠结肠镜仍然是CD评估中最接近"金标准"的方法, 尤其适合判断黏膜炎症、分级溃疡、评估治疗反应并获取活检组织. 它的优势很直观: 能看见、能取样、能直接对应黏膜改变[10]; 但缺点也同样明显: 侵入性强、患者依从性一般、重复频率受限, 而且对严重狭窄段常常无法通过[14]. 更关键的是, 内镜看到的是黏膜层, 面对透壁炎症、瘘管、脓肿和肠外病变时就会显得"视野不够大"[15]. 因此, 内镜很强, 但它强在"局部精细", 不强在"全局动态". 这也是为什么如今越来越多的研究强调, 内镜不能孤立存在, 而应与生物标志物和影像学联合使用.

1.4 影像学

影像学检查也具有重要的地位. 2025年ECCO-ESGAR-ESP-IBUS指南[8]把MRE和肠道超声(intestinal ultrasound, IUS)放在CD监测的核心位置, 因为它们无电离辐射, 适合重复随访. METRIC研究[15]是这一领域的里程碑: 对于小肠CD, MRE对病变存在的敏感度约为97%, 对病变范围的敏感度约为80%, 且总体特异度也较高; 同时, IUS也具有较好的诊断效能, 说明二者都可以作为一线横断面检查来使用, 但也有可及性、操作依赖性和标准化问题. CTE则可提供临床和内镜无法直接获得的重要信息, 用于判断病变存在、范围、严重程度及并发症, 但常规形态学判断对轻度炎症和微小病变不够敏感[16]. 而光谱CT碘定量诊断优于常规CTE, 可减少漏诊、重复检查及内镜依赖, 降低长期成本[17]; 同时补齐炎症定量短板, 推动CT从并发症诊断升级为全病程评估工具[18]. 随标准化与人工智能(artificial intelligence, AI)辅助落地, 操作门槛降低, 未来有望纳入常规报告, 覆盖CD基线分层、疗效预判与复发监测全流程.

2 光谱CT与碘定量分析的技术基础

2.1 光谱CT的基本原理

光谱CT通过分离X线在不同能量下的衰减信息, 将传统灰度图像转化为虚拟单能级图像、碘图等多参数图像, 使评估从"看密度"拓展至"看成分、看灌注、看强化模式"[19]. 这对消化系统疾病尤为重要, 因为肠壁炎症、黏膜充血等病理改变均可通过强化行为反映出来[20].

2.2 光谱CT的技术实现方式

双能CT是目前最成熟的光谱CT实现方式, 通过高、低能谱数据获取成像信息, 与光谱CT常被通用; 主流平台均基于材料分解原理. 其中双层探测器CT因能同步采集高、低能信息, 时空配准一致, 尤其适合易受蠕动和时相影响的肠道检查, 且可在常规流程中回顾性获得谱信息, 为定量分析和临床转化奠定基础[20].

2.3 虚拟单能级图像的临床意义

在所有光谱参数里, 虚拟单能级成像(virtual monoenergetic imaging, VMI)是最容易被临床读片者"看见"的一类. 低keV VMI会显著增强碘对比剂的衰减, 让强化组织更亮、边界更清楚, 因此在炎症性肠壁、黏膜水肿、溃疡边缘等细节显示上尤其有帮助[21]; 但另一方面, 低keV也会带来更高噪声, 所以临床上通常要在"对比增强"和"噪声控制"之间找一个平衡点[22]. 最近一项针对肠梗阻和结肠炎的研究显示[23], 60 keV在噪声、平滑度和整体图像质量上综合表现最好, 而同一研究也指出, 40-50 keV的图像虽然对比度更高, 但部分病例诊断质量反而下降; 不同病种、不同设备和不同任务下, 最佳能级并不完全相同.

2.4 碘定量分析的基本原理

碘定量分析的基础则更具物理量化意义. 双能/光谱CT通过材料分解把碘从混合衰减中分离出来, 得到IC、归一化IC(normalized iodine concentration, NIC)等指标. 系统综述已明确指出, 胃肠道碘定量的临床应用主要集中在病灶检出、炎症判断和治疗反应评估三个方向[23]; 而在正常肠壁方面, 近年的研究[24]还建立了IC的参考范围, 这对于后续做归一化、做阈值判定和跨人群比较都很关键.

3 光谱CT碘定量在CD的临床应用进展

3.1 活动性炎症肠段的识别效能

光谱CT碘定量最早、也最直接的临床价值, 就是帮助识别活动性炎症肠段. De Kock等[25]在双能CT肠造影中证明, 碘定量可以区分正常小肠与活动性炎症性CD活动性CD病变小肠肠壁IC显著高于正常小肠肠壁(2.71±0.72 mg/mL vs 1.15±0.43 mg/mL, P<0.001); 以IC 1.78 mg/mL为临界值鉴别二者时, 曲线下面积(area under the curve, AUC)可达0.92, 诊断灵敏度89.2%、特异度86.5%, 鉴别价值显著优于传统肠壁厚度测量, 并明确指出后续研究应继续探索其在活动度分级和治疗反应监测中的作用; 随后, Dane等[26]进一步以组织病理作为参考标准, 证实双能CT肠造影测得的平均标准化碘密度能够有效评估活动性炎症, 活动性炎症小肠肠段的平均标准化碘密度显著高于无炎症肠段(34.7%±9.7 vs 16.5%±5.7, P<0.001); 以20%为临界值鉴别二者时, 诊断灵敏度达100%、特异度75%、准确性92%, 而传统临床活动指数(CDAI、HBI)在组织病理学证实的炎症状态间无显著差异, 凸显碘密度作为CD活动性炎症放射学标志物的独特价值, 说明这一参数并不只是与"临床上看起来像活动"相关, 而是和真正的组织学炎症存在对应关系. 2022年的比较研究又提示[27], CD活动性炎症肠段标准化碘密度显著高于非活动肠段(33.2%±9.5% vs 17.1%±6.2%, P<0.001); 以22.0%为截断值时, 碘密度评估肠道活动性炎症的AUC达0.94, 灵敏度91.3%、特异度88.6%、准确率90.1%, 各项诊断指标均明显优于依靠形态学征象的传统CT常规阅片(AUC = 0.76, 准确率72.5%), 且碘密度与内镜炎症评分呈显著正相关. 整体来看, 碘定量把传统CT里偏主观的"强化更明显"转化成了更可重复的"数值升高", 这是它最核心的临床贡献.

3.2 黏膜愈合评估与治疗反应监测价值

如果说"识别活动炎症"解决的是诊断问题, 那么"评估黏膜愈合"解决的就是治疗问题, 这也是近年来CD管理里更受重视的方向. Zhu等[28]2023年的研究以英夫利昔单抗治疗后的患者为对象, 发现NIC用于黏膜愈合评估时表现良好(MH组与溃疡性炎症组肠段NIC分别为0.337±0.012 vs 0.556±0.016), AUC可达0.929; 如果再联合FC, AUC还可进一步提升至0.964. 这个结果很有临床意义, 因为它提示光谱CT碘定量不只是能分清"活动"和"非活动", 还可以作为治疗后是否真正达到目标的影像学证据. 对临床医生来说, 这一点尤其重要: 患者症状缓解并不等于炎症消失, 而NIC这类参数恰好补上了内镜、症状和实验室指标之间的那块"中间层".

3.3 病理对照下的炎症活动度分层评价

此外, 近两年的研究开始明显往"病理对照"和"分层评价"推进, 这一步非常关键, 因为它决定了光谱CT碘定量能不能从"研究工具"走向"临床工具". Zhou等[29]2024年以病理结果作为参考标准, 发现双能CT肠造影的NIC、能谱曲线斜率K、双能指数以及脂肪分数等参数在活动与非活动肠段之间存在显著差异, CD病理活动性炎症肠段标准化IC(2.65±0.61 mg/mL)、能谱曲线斜率(2.87±0.53)、双能指数(0.39±0.07)均显著高于非活动肠段(1.22±0.40 mg/mL、1.35±0.42、0.18±0.06), 而脂肪分数则显著低于非活动肠段(11.26%±3.15% vs 20.58%±4.23%, 均P<0.001), 说明光谱CT不仅能看炎症, 还能在一定程度上区分炎症强弱. Lin等[30]进一步使用斜率参数映射改善CD诊断和炎症活动评估, 提示"单一碘参数"正在向"多参数联合"演进. 临床应用正在从"有没有炎症"走向"炎症有多活跃", 这也是更符合治疗决策需求的方向.

4 光谱CT与人工智能融合

4.1 光谱CT与人工智能融合的技术路径

在上述研究的基础上, AI技术的引入, 使得多维影像数据的深度挖掘成为可能, 推动了影像评估由"定性描述"向"定量分析与智能预测"的转变. 从技术路径来看, 光谱CT与AI的结合主要体现在三个层面. 首先是在图像重建层面. 传统光谱CT虽具有良好的组织分辨能力, 但低能级图像往往伴随较高噪声. 近年来, 深度学习重建被用于优化图像质量. 研究表明[31], 基于深度学习的方法可在保持或提高碘定量准确性的同时显著降低噪声, 提高图像信噪比及病灶显示能力. 其次则是在特征提取层面. 影像组学技术可从光谱CT图像中提取高维特征, 包括纹理、灰度分布及空间异质性信息. 相比传统仅依赖IC或NIC等单一参数, 影像组学能够更全面反映组织微环境特征[28]. 既往研究已在肿瘤领域证实[32,33], 基于碘图的影像组学模型可用于预测肿瘤分型及微血管特征, 而炎症性肠病同样具有显著的组织异质性, 因此该方法具有良好的迁移潜力[34]. 最后是在模型构建层面, 机器学习及深度学习方法已被用于整合光谱CT多参数信息, 实现疾病活动度的自动化评估. 近年的研究表明[35], 基于双能CT肠道成像参数(如IC、λHU)联合传统影像特征构建的机器学习模型, 在评估CD内镜活动度方面具有较高诊断效能, 其受试者工作特征AUC可达0.80以上, 且多参数联合模型显著优于单一指标. CD活动度是多因素共同作用的结果, 而AI能通过多变量整合分析能够更准确地反映疾病状态.

4.2 光谱CT联合人工智能的临床应用方向

在临床应用方面, 光谱CT碘定量结合AI的研究主要集中于两个方向. 首先是疾病活动度评估, 目前证据最为充分. 碘定量参数可有效区分活动性与非活动性肠段, 并与炎症严重程度呈正相关, 而AI模型通过整合多维特征可进一步提高诊断准确性, 有望在一定程度上减少对侵入性内镜检查的依赖[36]. 其次是疗效预测及随访评估. 光谱CT能够动态反映肠壁血流变化, 而AI模型可识别早期微小变化模式, 从而实现对治疗反应及复发风险的预测[37], 但该领域仍需更多前瞻性研究加以验证.

5 当前研究的不足与争议

尽管光谱CT碘定量及其与人工智能技术的结合在CD活动度评估中展现出良好的应用前景, 但整体而言, 该领域仍处于由"可行性验证"向"临床转化应用"过渡阶段, 尚存在多方面不足与争议.

5.1 评价终点不统一与标准化生物标志物缺失

首先, 现有研究在疾病活动度评价终点的选择上缺乏统一标准. 不同研究分别采用临床评分(如CDAI)、内镜评分、影像学指标及病理结果作为参照, 但各类评价体聚焦于炎症的不同病理层次, 评估结果并不完全一致[38]. 此外, 目前尚缺乏足够准确且可用于临床决策的统一影像生物标志物, 不同研究终点的不一致进一步限制了结果的横向比较与证据整合[39].

5.2 扫描方案异质性对结果可重复性的影响

其次, 扫描方案及参数设置差异较大, 显著影响碘定量结果的可重复性. 光谱CT碘定量依赖于虚拟单能量(keV)、扫描期相及重建算法等关键参数, 而不同研究之间在这些方面尚未形成统一标准[40]. 已有研究显示[23], IC、肠壁强化程度等参数虽与疾病活动度显著相关, 但其数值仍受扫描方案影响较大. 此外, 双能CT可通过物质分解生成碘图并实现定量分析, 但其结果对图像采集及后处理流程高度敏感[41]. 相关研究亦指出[42], 光谱CT的定量能力虽具潜力, 但在不同设备及参数条件下仍存在一定不稳定性, 这在一定程度上制约了其临床推广应用.

5.3 研究设计局限导致循证证据等级不足

再有, 目前大多数研究仍为单中心、小样本、回顾性设计, 证据等级相对有限. 例如, 有研究[43]通过双能CT碘定量分析发现IC与CDAI评分具有较强相关性(r ≈ 0.74), 但其样本量有限, 且尽管进行了外部验证, 仍难以完全代表真实临床环境. 同时, 目前多光谱CT在CD中的应用仍缺乏大规模、多中心前瞻性研究支持, 尚不足以建立高等级循证医学证据. 此外, CD本身具有显著异质性, 不同疾病表型之间差异较大, 小样本研究难以覆盖全部临床情形, 从而影响模型的泛化能力.

5.4 人工智能模型的可解释性与泛化性短板

最后, 人工智能模型虽在提升影像定量分析能力方面表现出较高潜力, 但仍面临可解释性与稳定性不足等问题[44]. 近年来, 基于深度学习的光谱CT分析方法可显著提高碘定量精度, 甚至可在单能CT基础上重建双能CT图像并实现碘定量, 其误差可控制在1%以内[45]. 然而, 这类模型普遍存在"黑箱效应", 其决策机制难以被临床医生理解. 此外, AI模型对数据分布变化较为敏感, 在不同设备或扫描参数条件下可能出现性能下降[46]. 已有综述指出, 尽管机器学习为光谱CT提供了新的发展方向, 但数据质量、标准化不足及模型泛化能力仍是限制其临床应用的关键因素[47].

6 未来发展方向与展望

6.1 技术标准化

目前光谱CT碘定量分析在扫描协议、虚拟单能量选择、感兴趣区勾画及参数计算等方面尚缺乏统一标准, 不同设备和研究之间可比性有限. 未来应建立规范化扫描流程和统一定量评价体系, 提高结果的重复性和一致性, 为多中心研究及临床推广奠定基础[48].

6.2 多模态融合

CD活动度涉及临床症状、内镜表现、实验室指标及影像学等多个维度, 单一指标难以全面反映疾病状态. 未来应将光谱CT碘定量参数与临床评分、FC、内镜及病理结果相结合, 构建多模态综合评估模型, 提高疾病活动度评价的准确性和稳定性[28].

6.3 智能化

人工智能为光谱CT定量分析提供了新的发展方向. 未来可结合深度学习和影像组学, 实现病灶自动分割、参数提取、活动度分层及疗效预测, 提高影像分析效率和一致性, 并推动CD影像评估向智能化、精准化发展[7,49].

6.4 前瞻性多中心验证

目前相关研究多为单中心、小样本、回顾性设计, 证据等级仍有限. 未来需开展多中心、前瞻性研究, 统一扫描协议和评价标准, 验证光谱CT碘定量参数的稳定性、泛化能力及临床应用价值, 为其纳入临床指南提供高质量循证依据[34].

7 结论

总体而言, 光谱CT碘定量及其与人工智能的结合正处于由技术探索向临床转化的关键阶段. 未来的发展方向可概括为: 以标准化提升可重复性、以多模态融合提升准确性、以智能化提升效率与一致性、以前瞻性多中心研究提升证据等级, 只有在这些关键环节取得突破, 才能真正实现从理论到临床的跨越.

参考文献

1.	吴 开春, 梁 洁, 冉 志华, 钱 家鸣, 杨 红, 陈 旻湖, 何 瑶. 炎症性肠病诊断与治疗的共识意见(2018年·北京). 中国实用内科杂志. 2018;38:796-813.  [PubMed]  [DOI]

2.	Rieder F, Zimmermann EM, Remzi FH, Sandborn WJ. Crohn's disease complicated by strictures: a systematic review. Gut. 2013;62:1072-1084.  [PubMed]  [DOI]

3.

Turner D, Ricciuto A, Lewis A, D'Amico F, Dhaliwal J, Griffiths AM, Bettenworth D, Sandborn WJ, Sands BE, Reinisch W, Schölmerich J, Bemelman W, Danese S, Mary JY, Rubin D, Colombel JF, Peyrin-Biroulet L, Dotan I, Abreu MT, Dignass A, International Organization for the Study of IBD. STRIDE-II: An Update on the Selecting Therapeutic Targets in Inflammatory Bowel Disease (STRIDE) Initiative of the International Organization for the Study of IBD (IOIBD): Determining Therapeutic Goals for Treat-to-Target strategies in IBD. Gastroenterology. 2021;160:1570-1583.  [PubMed]  [DOI]

4.

Peyrin-Biroulet L, Sandborn W, Sands BE, Reinisch W, Bemelman W, Bryant RV, D'Haens G, Dotan I, Dubinsky M, Feagan B, Fiorino G, Gearry R, Krishnareddy S, Lakatos PL, Loftus EV, Marteau P, Munkholm P, Murdoch TB, Ordás I, Panaccione R, Riddell RH, Ruel J, Rubin DT, Samaan M, Siegel CA, Silverberg MS, Stoker J, Schreiber S, Travis S, Van Assche G, Danese S, Panes J, Bouguen G, O'Donnell S, Pariente B, Winer S, Hanauer S, Colombel JF. Selecting Therapeutic Targets in Inflammatory Bowel Disease (STRIDE): Determining Therapeutic Goals for Treat-to-Target. Am J Gastroenterol. 2015;110:1324-1338.  [PubMed]  [DOI]

5.	Rimola J, Ordás I, Rodriguez S, García-Bosch O, Aceituno M, Llach J, Ayuso C, Ricart E, Panés J. Magnetic resonance imaging for evaluation of Crohn's disease: validation of parameters of severity and quantitative index of activity. Inflamm Bowel Dis. 2011;17:1759-1768.  [PubMed]  [DOI]

6.	McCollough CH, Leng S, Yu L, Fletcher JG. Dual- and Multi-Energy CT: Principles, Technical Approaches, and Clinical Applications. Radiology. 2015;276:637-653.  [PubMed]  [DOI]

7.	Gao Y, Zhang B, Zhao D, Li S, Rong C, Sun M, Wu X. Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease. Inflamm Bowel Dis. 2024;30:1957-1964.  [PubMed]  [DOI]

8.

Kucharzik T, Taylor S, Allocca M, Burisch J, Ellul P, Iacucci M, Maaser C, Baldin P, Bhatnagar G, Ben-Horin S, Bettenworth D, Chavannes M, Driessen A, Flanagan E, Furfaro F, Maconi G, Karmiris K, Kellar A, De Kock I, Katsanos K, Kopylov U, Lu C, Nardone OM, Noor NM, Novak K, Borralho Nunes P, van Rheenen P, Rimola J, Rosini F, Rubin D, Scharitzer M, Stoker J, Uzzan M, Vavricka S, Verstockt B, Wilkens R, Zidar N, Zilli A, Yanai H, Feakins R. ECCO-ESGAR-ESP-IBUS Guideline on Diagnostics and Monitoring of Patients with Inflammatory Bowel Disease: Part 1. J Crohns Colitis. 2025;19:jjaf106.  [PubMed]  [DOI]

9.	中国克罗恩病诊治指南(2023年·广州).  胃肠病学. 2024;29:200-235.  [PubMed]  [DOI]

10.	Khanna R, Ma C, Jairath V, Vande Casteele N, Zou G, Feagan BG. Endoscopic Assessment of Inflammatory Bowel Disease Activity in Clinical Trials. Clin Gastroenterol Hepatol. 2022;20:727-736.e2.  [PubMed]  [DOI]

11.

Adler J, Colletti RB, Noonan L, Berzin TM, Cheifetz AS, Conklin LS, Hoops TC, Huang CS, Lewis B, Mishkin DS, Hung Lo K, Xiao Y, Volger S. Validating the Simplified Endoscopic Mucosal Assessment for Crohn's Disease: A Novel Method for Assessing Disease Activity. Inflamm Bowel Dis. 2023;29:1089-1097.  [PubMed]  [DOI]

12.

Ananthakrishnan AN, Adler J, Chachu KA, Nguyen NH, Siddique SM, Weiss JM, Sultan S, Velayos FS, Cohen BL, Singh S; AGA Clinical Guidelines Committee. AGA Clinical Practice Guideline on the Role of Biomarkers for the Management of Crohn's Disease. Gastroenterology. 2023;165:1367-1399.  [PubMed]  [DOI]

13.	Li J, Xu M, Qian W, Ling F, Chen Y, Li S, Cheng Y, Zhu L. Clinical value of fecal calprotectin for evaluating disease activity in patients with Crohn's disease. Front Physiol. 2023;14:1186665.  [PubMed]  [DOI]

14.	Kim KO. Endoscopic activity in inflammatory bowel disease: clinical significance and application in practice. Clin Endosc. 2022;55:480-488.  [PubMed]  [DOI]

15.

Taylor SA, Mallett S, Bhatnagar G, Baldwin-Cleland R, Bloom S, Gupta A, Hamlin PJ, Hart AL, Higginson A, Jacobs I, McCartney S, Miles A, Murray CD, Plumb AA, Pollok RC, Punwani S, Quinn L, Rodriguez-Justo M, Shabir Z, Slater A, Tolan D, Travis S, Windsor A, Wylie P, Zealley I, Halligan S; METRIC study investigators. Diagnostic accuracy of magnetic resonance enterography and small bowel ultrasound for the extent and activity of newly diagnosed and relapsed Crohn's disease (METRIC): a multicentre trial. Lancet Gastroenterol Hepatol. 2018;3:548-558.  [PubMed]  [DOI]

16.

Bruining DH, Zimmermann EM, Loftus EV, Sandborn WJ, Sauer CG, Strong SA; Society of Abdominal Radiology Crohn's Disease-Focused Panel. Consensus Recommendations for Evaluation, Interpretation, and Utilization of Computed Tomography and Magnetic Resonance Enterography in Patients With Small Bowel Crohn's Disease. Radiology. 2018;286:776-799.  [PubMed]  [DOI]

17.	Mao Y, Mao Y, Xu Z, Li J, Xu M, Fan Y, Zheng S. Optimizing computed tomography enterography with virtual monoenergetic imaging of second-generation dual-layer spectral CT in inflammatory bowel disease. Quant Imaging Med Surg. 2025;15:12812-12822.  [PubMed]  [DOI]

18.	Ohliger MA. Quantitative Dual-Energy CT and Crohn Disease. Radiology. 2021;301:152-153.  [PubMed]  [DOI]

19.	Hamid S, Nasir MU, So A, Andrews G, Nicolaou S, Qamar SR. Clinical Applications of Dual-Energy CT. Korean J Radiol. 2021;22:970-982.  [PubMed]  [DOI]

20.	Chen Y, Liu X, Zeng H, Zhang J, Li Z, Wu B, Huang Z, Song B. The clinical applications of dual-layer spectral detector CT in digestive system diseases. Eur Radiol. 2025;35:3547-3557.  [PubMed]  [DOI]

21.	Albrecht MH, Vogl TJ, Martin SS, Nance JW, Duguay TM, Wichmann JL, De Cecco CN, Varga-Szemes A, van Assen M, Tesche C, Schoepf UJ. Review of Clinical Applications for Virtual Monoenergetic Dual-Energy CT. Radiology. 2019;293:260-271.  [PubMed]  [DOI]

22.	Tatsugami F, Higaki T, Nakamura Y, Honda Y, Awai K. Dual-energy CT: minimal essentials for radiologists. Jpn J Radiol. 2022;40:547-559.  [PubMed]  [DOI]

23.	Xu JJ, Taudorf M, Ulriksen PS, Achiam MP, Resch TA, Nielsen MB, Lönn LB, Hansen KL. Gastrointestinal Applications of Iodine Quantification Using Dual-Energy CT: A Systematic Review. Diagnostics (Basel). 2020;10:814.  [PubMed]  [DOI]

24.	Nehnahi M, Simon G, Moinet R, Piton G, Camelin C, Ronot M, Delabrousse É, Calame P. Quantifying iodine concentration in the normal bowel wall using dual-energy CT: influence of patient and contrast characteristics. Sci Rep. 2023;13:22714.  [PubMed]  [DOI]

25.	De Kock I, Delrue L, Lecluyse C, Hindryckx P, De Vos M, Villeirs G. Feasibility study using iodine quantification on dual-energy CT enterography to distinguish normal small bowel from active inflammatory Crohn's disease. Acta Radiol. 2019;60:679-686.  [PubMed]  [DOI]

26.	Dane B, Sarkar S, Nazarian M, Galitzer H, O'Donnell T, Remzi F, Chang S, Megibow A. Crohn Disease Active Inflammation Assessment with Iodine Density from Dual-Energy CT Enterography: Comparison with Histopathologic Analysis. Radiology. 2021;301:144-151.  [PubMed]  [DOI]

27.

Dane B, Kernizan A, O'Donnell T, Petrocelli R, Rabbenou W, Bhattacharya S, Chang S, Megibow A. Crohn's disease active inflammation assessment with iodine density from dual-energy CT enterography: comparison with endoscopy and conventional interpretation. Abdom Radiol (NY). 2022;47:3406-3413.  [PubMed]  [DOI]

28.	Zhu C, Hu J, Rong C, Zhou J, Zhang B, Gao Y, Li C, Li J, Wu X. Mucosal healing assessment in Crohn's disease with normalized iodine concentration from dual-energy CT enterography: comparison with endoscopy. Insights Imaging. 2023;14:63.  [PubMed]  [DOI]

29.	Zhou HF, Chen W, Li JQ, Bai GJ, Guo LL. Prediction of pathological activity in Crohn's disease based on dual-energy CT enterography. Abdom Radiol (NY). 2024;49:1829-1838.  [PubMed]  [DOI]

30.	Lin Z, Hong M, Zhong H, Zheng X, Lin Y, Yang D, Zhong S, Yue X. Measurements on slope parameter mapping based on dual-energy CT enterography for improving Crohn's disease diagnosis and inflammatory activity evaluation. Sci Rep. 2025;15:429.  [PubMed]  [DOI]

31.

Zhong J, Wang L, Yan C, Xing Y, Hu Y, Ding D, Ge X, Li J, Lu W, Shi X, Yuan F, Yao W, Zhang H. Deep learning image reconstruction generates thinner slice iodine maps with improved image quality to increase diagnostic acceptance and lesion conspicuity: a prospective study on abdominal dual-energy CT. BMC Med Imaging. 2024;24:159.  [PubMed]  [DOI]

32.	You Y, Liang Y, Chen L, Li Z, Gao B, Wang X, Yuan M, Xue Y, Liu Y, Gao J. Radiomics analysis of dual-energy CT-derived iodine maps for differentiating between T1/2 and T3/4a in gastric cancer: A multicenter study. Eur J Radiol. 2025;186:112054.  [PubMed]  [DOI]

33.	Kim TM, Lee JM, Yoon JH, Joo I, Park SJ, Jeon SK, Schmidt B, Martin S. Prediction of microvascular invasion of hepatocellular carcinoma: value of volumetric iodine quantification using preoperative dual-energy computed tomography. Cancer Imaging. 2020;20:60.  [PubMed]  [DOI]

34.	Liu ZG, Xie SS. Expanding the role of radiomics and artificial intelligence in the management of inflammatory bowel disease: Insights, opportunities, and challenges. World J Gastroenterol. 2025;31:112107.  [PubMed]  [DOI]

35.	Li J, Xie G, Tang W, Zhang L, Zhang Y, Zhang L, Wang D, Li K. Establishing a machine learning model based on dual-energy CT enterography to evaluate Crohn's disease activity. Insights Imaging. 2024;15:115.  [PubMed]  [DOI]

36.	Guez I, Focht G, Greer MC, Cytter-Kuint R, Pratt LT, Castro DA, Turner D, Griffiths AM, Freiman M. Development of a multimodal machine-learning fusion model to non-invasively assess ileal Crohn's disease endoscopic activity. Comput Methods Programs Biomed. 2022;227:107207.  [PubMed]  [DOI]

37.	Cai W, Wu X, Guo K, Chen Y, Shi Y, Lin X. Deep-Learning, Radiomics and Clinic Based Fusion Models for Predicting Response to Infliximab in Crohn's Disease Patients: A Multicentre, Retrospective Study. J Inflamm Res. 2024;17:7639-7651.  [PubMed]  [DOI]

38.	Fang HM. Intricacy of Crohn's disease: Incongruity between diagnostic modalities and histopathologic assessment. World J Gastrointest Endosc. 2025;17:103979.  [PubMed]  [DOI]

39.	Zhang W, Xie H, Ying S, Zeng X, Liao X, Hu S, Zeng H, Zou Q, Zeng D, Meng F. Crohn's disease: research progress in decoding pathogenic multi-network and precision management of artificial intelligence radiomics. Front Immunol. 2026;17:1774889.  [PubMed]  [DOI]

40.	Jacobsen MC, Thrower SL, Ger RB, Leng S, Court LE, Brock KK, Tamm EP, Cressman ENK, Cody DD, Layman RR. Multi-energy computed tomography and material quantification: Current barriers and opportunities for advancement. Med Phys. 2020;47:3752-3771.  [PubMed]  [DOI]

41.	McCollough CH, Boedeker K, Cody D, Duan X, Flohr T, Halliburton SS, Hsieh J, Layman RR, Pelc NJ. Principles and applications of multienergy CT: Report of AAPM Task Group 291. Med Phys. 2020;47:e881-e912.  [PubMed]  [DOI]

42.	Lennartz S, Cao J, Pisuchpen N, Srinivas-Rao S, Locascio JJ, Parakh A, Hahn PF, Mileto A, Sahani D, Kambadakone A. Intra-patient variability of iodine quantification across different dual-energy CT platforms: assessment of normalization techniques. Eur Radiol. 2024;34:5131-5141.  [PubMed]  [DOI]

43.	Kim YS, Kim SH, Ryu HS, Han JK. Iodine Quantification on Spectral Detector-Based Dual-Energy CT Enterography: Correlation with Crohn's Disease Activity Index and External Validation. Korean J Radiol. 2018;19:1077-1088.  [PubMed]  [DOI]

44.	Silverman AL, Shung D, Stidham RW, Kochhar GS, Iacucci M. How Artificial Intelligence Will Transform Clinical Care, Research, and Trials for Inflammatory Bowel Disease. Clin Gastroenterol Hepatol. 2025;23:428-439.e4.  [PubMed]  [DOI]

45.	Zhao W, Lv T, Lee R, Chen Y, Xing L. Obtaining dual-energy computed tomography (CT) information from a single-energy CT image for quantitative imaging analysis of living subjects by using deep learning. Pac Symp Biocomput. 2020;25:139-148.  [PubMed]  [DOI]

46.	Zeng R, Lin CY, Li Q, Jiang L, Skopec M, Fessler JA, Myers KJ. Performance of a deep learning-based CT image denoising method: Generalizability over dose, reconstruction kernel, and slice thickness. Med Phys. 2022;49:836-853.  [PubMed]  [DOI]

47.	Bousse A, Kandarpa VSS, Rit S, Perelli A, Li M, Wang G, Zhou J, Wang G. Systematic Review on Learning-based Spectral CT. IEEE Trans Radiat Plasma Med Sci. 2024;8:113-137.  [PubMed]  [DOI]

48.	Jensen LJ, Kim D, Elgeti T, Steffen IG, Hamm B, Nagel SN. Stability of Radiomic Features across Different Region of Interest Sizes-A CT and MR Phantom Study. Tomography. 2021;7:238-252.  [PubMed]  [DOI]

49.	Huang L, Li H, Wang S, Ren Y. Prediction of early mucosal healing of Crohn's disease after treatment with biologics- a novel nomogram based on radiomics and clinical risk factors. Front Pharmacol. 2025;16:1586300.  [PubMed]  [DOI]

备注

学科分类: 胃肠病学和肝病学

手稿来源地: 浙江省

同行评议报告学术质量分类

A级 (优秀): 0

B级 (非常好): B

C级 (良好): C

D级 (一般): 0

E级 (差): 0

科学编辑: 刘继红 制作编辑:张砚梁