第一部分:常规临床指标及腹部CT改变对2型糖尿病人群胰岛素抵抗的研究目的:通过对比2型糖尿病(type 2 diabetes,T2DM)患者不同胰岛素抵抗状态及不同胰岛β细胞功能状态下的一般人群资料、实验室检查资料及CT(Computed Tomography,CT)腹部影像学改变,探讨常规腹部CT参数在不同胰岛素抵抗及不同胰岛β细胞功能状态下是否存在变化及其相关性研究。资料与方法:检索我院影像存储与传输系统(Picture archiving and communication systems,PACS)内2018年1月1日至2018年12月31日所有内分泌科住院患者,根据纳入排除标准筛选出有腹部CT检查、及胰岛素抵抗的实验室指标及未经正规T2DM治疗的87例(男性52例,女性35例,年龄范围28～86岁,平均年龄56.0±14.5岁),根据HOMA-IR指标的中位数将87例患者分为两组,分别为高、低胰岛素抵抗组;根据HOMA-β指标的中位数将87例患者分为两组,分别为高、低胰岛β细胞功能组。分别对比分析两组患者的一般资料、实验室指标及腹部CT参数,临床指标包括性别、年龄、身高、体重、BMI、体表面积、收缩压及舒张压;实验室指标包括血尿素氮、糖化血清蛋白、淀粉酶、脂肪酶、总胆固醇、三酰甘油、高低密脂蛋白、低密度脂蛋白、血肌酐、谷丙转氨酶、谷草转氨酶及空腹C肽;腹部CT参数包括肝脏、胰头、胰体、胰尾、腰大肌、竖脊肌的CT值及CT值的标准差,脾脏的CT值、胰头、胰体、胰尾的宽度。使用SPSS软件进行统计学分析,通过二元Logistic回归分析建立一般资料+实验室指标及一般资料+腹部CT参数两种联合模型,最后通过受试者操作特性曲线(receiver operator characteristic curve,ROC)下面积法观察各指标及联合模型的对不同胰岛素抵抗状态或不同胰岛β细胞功能的区分效能。结果:高低两组不同的胰岛素抵抗状态人群中,高胰岛素抵抗组人群年龄较小(52.7士15.7 vs 59.5±12.5岁,p=0.029),高胰岛素抵抗组人群在体重、BMI及体表面积上相对于低胰岛素抵抗组均较高(p=0.028、p=0.015、p=0.042);对于实验室指标,高胰岛素抵抗组糖化血清蛋白及空腹C肽均高于低胰岛素抵抗组((p=0.009、p=0.044);在腹部CT参数上,高胰岛素抵抗组的肝脏CT值、胰头CT值均低于低胰岛素抵抗组(p=0.006,p=0.014),胰头宽度及胰头CT值的标准差上均高于低胰岛素抵抗组(p=0.003,p=0.011)。在高低两组不同的胰岛β细胞功能人群中,高胰岛β细胞功能组的体重及BMI指数均高于低β细胞功能组(p=0.031、p=0.024)。实验室检查方面,高胰岛β细胞功能组糖化血清蛋白指数要低于低β细胞功能组,而空腹C肽水平,则高于低β细胞功能组(p=0.007、p=0.008)。腹部CT参数方面,高β细胞功能组患者肝脏CT值要低于低β细胞功能组(p=0.021),而在肝脏CT值标准差、胰头CT值标准差、胰体CT值标准差、胰尾CT指标值差及腰大肌CT值标准方面,高β细胞功能组要高于低β细胞功能组(p=0.004,p=0.007,p=0.005,p=0.008,p=0.003)。并且,高胰岛β细胞功能组的胰体宽度要大于低胰岛β细胞功能组(p=0.021)。通过二元Logistic回归分析建立的一般资料+腹部CT参数联合模型对不同胰岛素抵抗组的区分的ROC参数:AUC、敏感度和特异度分别为0.760、84.1%、62.8%;对于不同胰岛β细胞功能状态,一般资料+腹部CT参数联合模型的区分效能ROC参数:AUC、敏感度和特异度分别为0.690、40.9%、90.7%。结论:①高胰岛素抵抗组患者较低胰岛素抵抗组患者年龄轻,体重、BMI及体表面积上高于低胰岛素抵抗人群;而高胰岛β细胞功能组体重及BMI均高于低胰岛β细胞功能组。②实验室指标方面,高胰岛素抵抗组患者糖化血清蛋白及空腹C肽较低胰岛素抵抗组患者高;高胰岛β细胞功能组糖化血清蛋白低于低胰岛β细胞功能组,高胰岛β细胞功能组空腹C肽高于低胰岛β细胞功能组。③腹部CT参数中,肝脏及胰腺的密度在不同的胰岛素抵抗人群组及不同的胰岛β细胞功能人群组中存在差异。第二部分:腹部CT组学模型对2型糖尿病人群胰岛素抵抗的研究目的:探讨基于腹部CT的影像组学模型对T2DM患者不同的胰岛素抵抗状的区分价值。资料与方法:研究人群同本研究的第一部分。通过开源软件ITK-SNAP在轴位上对胰腺的部分进行勾画,将勾画好的感兴趣区保存为特定格式,导入美国GE公司的AI-Kit软件中,计算提取得出612项组学特征。对数据进行标准化后通过软件R使用LASSO对组学数据进行降维筛选。再通过二元Logistic回归分析建立联合组学参数回归模型,同前第一部分中基于普通腹部CT参数的模型进行对比,建立ROC曲线模型,通过DeLong检验比较两模型的诊断效能。结果:经过AK软件计算得出纹理特征参数总共612个,通过标准化数据处理后进行LASSO降维后剩下的17个参数,其中包括2个直方图参数(MeanDeviation,Percentile80),3 个灰度共生矩阵参数(GLCMEntropy_AllDirection_offset4_SD,GLCM entropy_alldirection_offset4_SD,GLCMEntropy_AllDirection_offset3_SD),5 个形式参数(Surface area,Maximum 3D diameter,volumcount,SurfaceVolumeRatio,Sphericity),5 个游程矩阵参数(RunLengthNonuniformity_AllDirection_offset3_SD,RunLengthNonuniformity_AllDirection_o ffset1_SD,RunLengthNonuniformity_AllDirection_offset4_SD,RunLengthNonuniformity_AllD irection_offset2_SD,ShortRunHighGreyLevelEmphasis_angle135_offset2)及 2 个灰度区域大小矩阵参数(HighIntensityLargeAreaEmphasis,LargeAreaEmphasis)。通过二元 Logistic 回归分析,建立组学联合逻辑回归模型,该模型的AUC为0.875,其敏感度为84.1%,特异度为76.7%,高于常规影像学+一般资料联合模型。结论:组学联合回归模型对T2DM患者不同的胰岛素抵抗状态具有较好的区分价值,并且相对于第一部分研究中的一般资料联合影像CT参数模型,组学联合模型有助于提高不同胰岛素抵抗状态的人群的区分效能。