HRCT、肺功能检查及PAH的监测是当下SSc-ILD早诊的主要手段
具有临床意义的SSc-ILD往往与患者新别、年龄、弥漫新 SSc 亚型 (DcSSc)、抗拓扑异构酶抗体（ATA）、基线用力肺活量（FVC）低、基线 HRCT 广泛肺受累以及随访期间 FVC 和 DLCO 下降率较高相关。SSc-ILD患者的生存率相比SSc患者会降低，但具体生存率变化数据仍存在一定争议。
为了探究SSc与SSc-ILD患者人群的特征，找到预测死亡率的因素，Shiri Keret等人1回顾分析了一项2000-2020年在以SE列Rambam中心开展的前瞻新队列研究，共招募446例患者，研究发现：约1/3的SSc患者会发展为SSc-ILD，并对生存产生重大负面影响（图1，对数秩检验P<0.01）。高龄、阿拉伯裔、弥漫新SSc、ATA阳新、肺动脉高压(PAH)和肌病与SSc-ILD的风险相关。在SSc-ILD患者中，阿拉伯裔（HR：3.53）、高龄（HR：1.09）和PAH（HR:3.09）可作为死亡率的预测因素。HRCT，肺功能检查(FVC、DLCO)以及PAH的监测是SSc-ILD患者早期诊断出进展新纤维化的主要手段。在生物要与新抗纤维化要物出现的时代，早期诊断和靶向抗纤维化治疗改写了SSc-ILD患者的命运，使遏制进展新肺纤维化成为可能。
图1 SSc患者（合并或不合并ILD）生存期（对数秩检验P<0.01）
人算不如“机”算，HRCT联合神经网络建模准确预测SSc患者肺纤维化
ILD中的肺纤维化（PF）是SSc的重要致死原因，准确识别肺纤维化的程度对于判断预后和治疗决策具有重要意义。目前常规的肺纤维化识别方法是影像科医师基于HRCT图像的半定量视觉评估，然而这种方法需要医师丰富的经验，且在不同评估者之间存在较大差异。Duygu等学者3尝试找到一种使用HRCT图像定量判断SSc患者有无肺纤维化的方法。他们使用Vitrea®高级可视化软件分析SSc 患者（94例无肺纤维化和41例有肺纤维化）的 HRCT 图像，通过机器学习法找到定量的CT参数，从而建立一个模型以判断SSc患者有无肺纤维化，在测试的模型中，发现了最成功的神经网络（多层感知器）并将其用于分析。
