自己監督学習モデルは,手術前のガングレノス胆炎の特定のための平面とコントラスト強化CTを統合する:多中心の遡及コホート研究

科学分野:

• 医療イメージングにおける人工知能
• 放射線と診断画像
• 医療のための機械学習

背景:

• ガンゲル性胆炎 (GC) は,急性胆炎の重症である.
• 手術前GCの診断は 伝統的なイメージングでは困難です
• 改善されたGC検出には新しいAIアプローチが必要です.

研究 の 目的:

• GCの手術前識別のための自己監督学習 (SSL) モデルを開発する.
• GCの予測のために,強化されていない画像とコントラスト強化されたCT画像の両方を利用する.
• 診断の精度を 標準的な方法より高めること

主な方法:

• 1228人の患者の7368人のCTスキャンを遡及的に分析した.
• 標識されていないデータと標識されたCTデータで訓練されたSSLモデル (seResNet-50フレームワーク) の開発.
• 強化CT (ECT) と非強化CT (NECT) の融合モデルを比較する.

主要な成果:

• 融合SSLモデルは高い性能を達成しました:AUC 0.965 (トレーニング),0.879 (検証I),0.887 (検証II).
• 核融合モデルは有効化セットにおいて ECTとNECTモデルを大幅に上回った.
• このモデルは微妙なガングレノスの変化を特定し 臨床的意思決定を助長しました

結論:

• 合併SSLモデルは,CTスキャンを使用して手術前のガンゲノス胆炎を効果的に予測します.
• このモデルは,早期のGC診断において有意な臨床適用性を示しています.
• このAIツールは,GCの患者の適時なリスクの階層化をサポートします.