磁気共鳴画像と非画像データを用いたディープラーニングベースの肝繊維症の自動評価

科学分野:

• 医療用イメージング
• 人工知能
• ヘパトロジー

背景:

• 肝繊維症の正確なステージは,慢性肝疾患の管理に不可欠です.
• 肝臓生検の非侵襲的で効率的な代替方法が必要である.
• この研究では,MRI画像を用いた繊維症の段階決定のためのディープラーニング (DL) アルゴリズムを評価しています.

研究 の 目的:

• 肝繊維症のステージ決定のための自動化されたDLアルゴリズムの性能を評価する.
• 繊維症患者と健康な患者を区別するアルゴリズムの能力を評価する.
• DLアルゴリズムのパフォーマンスを,追加の臨床データと比較する.

主な方法:

• 2つの医療センターの500人の患者を遡って分析した.
• 線維症の段階決定のための遅延相MR画像を用いたDLモデルの開発.
• 強化モデルにおけるDLと血清学的バイオマーカー (APRI,FIB-4),ウイルス状態,およびMRパラメータの統合.

主要な成果:

• 完全なモデル (DL + 臨床データ) は,すべての線維症段階 (F0 - 4) で高いAUROC値を達成しました.
• 完全なモデルは,初期段階の分類 (F0-4,F1-4) でDLのみのモデルを上回った.
• DLと完全なモデルは,放射線学者やバイオマーカーと比較して,高度な線維症のステージ決定に優れている特異性と感度を示した.

結論:

• DLアルゴリズムは,肝繊維症のステージとスクリーニングのための非侵襲的なアプローチを提供します.
• このAIによる方法は 放射線科医や従来のバイオマーカーの 診断能力を超えています
• このアルゴリズムは肝臓疾患の管理における臨床的意思決定を強化する可能性があります.