一个深度学习模型用于预测术前对比增强计算机断层扫描后的肝切除术后的肝衰竭:一项回顾性研究
Xiaoqing Xu1, Zijian Xing2, Zhiyao Xu3
1Department of Nursing, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, Hangzhou, China.
Frontiers in medicine
|July 14, 2023
概括
一个深度学习模型使用CT扫描准确预测肝切除术后肝衰竭 (PHLF). 这种工具有助于识别高风险患者,以便在肝脏手术后更好地规划治疗.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 医学中的人工智能
背景情况:
- 肝切除术后肝衰竭 (PHLF) 是肝切除术后的一个重大临床挑战.
- 准确预测PHLF对于优化患者的治疗结果和手术规划至关重要.
研究的目的:
- 开发和验证一个深度学习模型,用于预测PHLF后 hemihepatectomy.
- 使用手术前对比增强计算机断层扫描 (CECT) 用三个阶段进行预测.
主要方法:
- 一个深度学习模型经过训练,并通过从265名接受了肝切除术的患者的数据进行验证.
- 使用五倍交叉验证来评估模型性能.
- 关键性能指标包括准确性,精度,灵敏度,特异性和接收器操作特征曲线 (AUC) 下的区域.
主要成果:
- 深度学习模型实现了总体预测准确率为84.15%,AUC为0.7927.
- 对于左半肝切除术病例,准确率为89.41%,AUC为82.72%.
- 该模型在各种患者子组和诊断中展示了强大的预测能力.
结论:
- 开发的深度学习模型在预测PHLF方面表现出色.
- 这种人工智能工具可以帮助识别患有PHLF高风险的患者,从而实现主动管理和治疗计划修改.
