放射组学模型自动区分98例复杂性区域疼痛综合征患者与56名健康对照的热成像图，AUC 0.93优于三位临床医生
该研究纳入98例复杂性区域疼痛综合征（CRPS）患者的178张热成像图和56名健康对照的837张热成像图，用U-Net深度学习自动分割肢体（平均Dice相似系数0.99），再对每张图每条肢体提取564个放射组学特征（强度、形状、纹理），通过WORC自动化机器学习框架在20次随机划分交叉验证中构建分类模型，该模型区分CRPS患者与健康对照热成像图的平均AUC为0.93（95% CI 0.90–0.97），显著优于三位临床医生的0.82、0.79和0.69（P<0.001）。