マルチタスクのディープラーニングアプローチを用いた縦断超音波画像によるB型肝炎関連急性・慢性肝不全患者の予後予測
Xingzhi Huang1, Songsong Yuan2,3, Aiyun Zhou1
1Department of Ultrasound, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi, China.
Annals of medicine
|August 26, 2025
まとめ
肝臓の超音波画像を用いた新しいディープラーニングモデルは,B型肝炎ウイルスに関連した急性/慢性肝不全 (HBV-ACLF) 患者の30日間の死亡率を正確に予測し,リスクの階層化を改善します.
科学分野:
- ヘパトロジー
- 医療用イメージング
- 人工知能
背景:
- B型肝炎ウイルス関連急性- 慢性肝不全 (HBV- ACLF) の個別リスクの分層化は臨床的に困難です.
- HBV- ACLFの管理における早期の臨床決定には,正確な予後が不可欠である.
研究 の 目的:
- HBV-ACLF患者の30日間の死亡率を予測するためのマルチタスクのディープラーニングモデルの開発と検証.
- 肝臓の超音波画像を用いてモデルの性能を評価する.
主な方法:
- 290人のHBV-ACLF患者の超音波画像と臨床データでシアムのU-ネットのディープラーニングモデルを訓練した.
- このモデルは肝臓の領域を自動的に分割し 30日間の死亡率を予測しました
- 臨床モデルとディープラーニングモデルを比較して82人のHBV-ACLF患者で試験された.
主要な成果:
- シアムのU-ネットは肝臓のセグメンテーションにおいて高い精度を達成した (ダイス係数>0. 91).
- ディープラーニングモデルは30日間の死亡率の予測において臨床モデルを大幅に上回った (C指数0. 795,AUC0. 851).
- ディープラーニングと臨床データを統合したモデルにより,予測の精度がさらに向上した (C指数0. 834,AUC0. 892).
結論:
- シアムのU-ネットは,HBV-ACLFの予後を予測する有意な可能性を示しています.
- このAIによるアプローチは 臨床的意思決定と患者の成果を 向上させることができます
- 肝臓の長距離超音波画像と ディープラーニングは HBV-ACLFの管理に 有望なツールです
