一个自动化的深度学习算法的性能,以在HIV感染者和没有感染者的非对比计算机断层扫描中识别肝脏肥胖症

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 肝病学 肝病学是一种肝病学.

背景情况:

• 肝硬化 (脂肪肝疾病) 影响全球25%的人口.
• 艾滋病毒感染者 (PWH) 特别容易患上脂肪肝疾病.
• 之前的药物流行病学研究受限于缺乏在数字化图像中量化肝脂肪的方法.

研究的目的:

• 为了确定深度学习算法的准确性,基于兴趣区域的自动肝脏衰减测量 (ALARM),用于识别肝脏脂肪.
• 为了比较ALARM的性能与手动放射科医生审查.
• 评估ALARM在识别艾滋病毒感染者和未感染者的脂肪肝疾病方面的有效性.

主要方法:

• 在美国退伍军人卫生管理局进行了一项横截面研究,使用美国退伍军人卫生管理局内艾滋病毒感染和没有感染的患者的非对比腹部CT图像.
• ALARM用于识别中度至严重的肝硬化症,定义为平均绝对肝衰减<40霍恩斯菲尔德单位 (HU).
• 将ALARM的性能与手动放射科医生评估进行了比较.

主要成果:

• 在120名患者中,ALARM在12.5% (15/120) 的患者中发现了中度至重度的肝硬化,而放射科医生在10% (12/120) 的患者中发现了肝硬化.
• 报警和放射科医生评估之间的百分比一致率为95.8%.
• ALARM表现出高灵敏度 (91.7%),特异性 (96.3%),PPV (73.3%) 和NPV (99.0%),没有根据HIV状态观察到显著的性能差异.

结论:

• 在检测中度至重度的肝肥胖症方面,ALARM算法显示出极好的准确性,无论艾滋病毒状态如何.
• 在现有的放射数据库中应用ALARM可以促进大规模的药物流行病学研究.
• 这种工具可以帮助评估与脂肪肝相关的药物,并评估PWH的差异.