通过深度学习模型自动评估类风湿性关节炎中大西洋轴突突变
Yasutaka Okita1, Toru Hirano2, Bowen Wang3
1Department of Respiratory Medicine and Clinical Immunology, Osaka University Graduate School of Medicine, 2-2, Yamadaoka, Suita, Osaka, 565-0871, Japan. y.okita@imed3.med.osaka-u.ac.jp.
Arthritis research & therapy
|September 25, 2023
概括
一个新的深度学习模型准确地评估了性关节炎 (RA) 患者的亚特兰大轴突突变 (AAS),使用椎脊柱X射线. 这种人工智能工具有助于对宫病变进行定量评估,提高诊断清晰度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 类风湿病学 类风湿病学
背景情况:
- 类风湿性关节炎 (RA) 经常导致大西洋轴突突变 (AAS),这是一个很难在临床上诊断的疾病.
- 准确评估AAS对于管理RA患者和预防神经系统并发症至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于对RA患者的AAS进行定量评估.
- 提高诊断准确性和评估宫脊椎参与RA的效率.
主要方法:
- 在3480张来自906名RA患者的椎椎X射线图像上训练了一个DL模型.
- 该模型使用一个关键点检测网络来计算atlantodental间隔 (ADI) 和脊髓可用的空间 (SAC).
- 模型的性能通过将其测量和诊断能力与经验丰富的临床医生使用408张测试图像进行比较来评估.
主要成果:
- DL模型在测试图像上识别关键坐标时达到99.5%的准确性.
- 该模型的ADI和SAC测量结果与临床医生的测量结果呈现出正相关性.
- 该模型显示AAS诊断的高灵敏度 (ADI为0.86,SAC为0.97) 与中等特异性 (ADI为0.57,SAC为0.5).
结论:
- 一种新的DL模型已成功开发,用于评估RA患者的宫病变.
- 该模型为评估AAS提供了可靠的定量方法,为临床实践提供了潜在的好处.
