使用人工智能从计算机断层扫描扫描中预测肝硬化
Nikhilesh R Mazumder1,2, Binu Enchakalody3, Peng Zhang3
1Gastroenterology Section, VA Ann Arbor Healthcare System, Ann Arbor, Michigan, USA.
Clinical and translational gastroenterology
|July 12, 2023
概括
使用CT扫描和患者数据的自动化工具可以预测肝硬化,改善移植前和移植后患者的检测. 这有助于更有效地诊断肝病.
科学领域:
- 放射学和医学成像学 医学成像学
- 肝病学 肝病学是一种肝病学.
- 人工智能在医学中的应用
背景情况:
- 未诊断的肝硬化是一个重大的临床挑战.
- 准确预测肝硬化对于患者的管理和治疗至关重要.
- 现有的诊断方法在某些患者群体中可能存在局限性.
研究的目的:
- 开发和验证用于肝硬化预测的自动化肝脏细分工具.
- 评估从CT扫描中提取的成像特征的性能.
- 评估成像特征与临床数据的结合,以提高诊断准确度.
主要方法:
- 在1590个CT扫描中训练了一种自动化肝脏细分模型 (3D-U-Net,DeeplLabv3+).
- 从351名患者的外部队列中提取了CT和肝脏活检数据的成像特征.
- 开发了使用梯度增强决策树的多变量模型来预测组织学性肝硬化.
- 使用5倍交叉验证和接收操作特征 (aUC) 下的面积来评估模型性能.
主要成果:
- 肝脏形态与实验室和人口统计数据的结合实现了0.85 (0.81-0.90) 的aUC.
- 这种组合模型的表现明显超过单独的FIB-4 (aUC 0.76) (P < 0.001).
- 仅仅肝脏形态学就显示了与FIB-4 (aUC 0.71 与 0.76) 相比的性能.
结论:
- 自动提取的CT特征与电子医疗记录数据相结合,改善了肝硬化预测.
- 这种工具显示出在移植前和移植后患者中检测未被诊断的肝硬化症的潜力.
- 这项原则证明研究突出了肝病管理的有希望的方法.
