开发一种基于自动细分CT图像的多式年龄预测,用于正常功能患者
Zuoxian Hou1, Gumuyang Zhang2, Yixin Ma1
1Department of Nephrology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences, Beijing, China.
Clinical kidney journal
|November 2, 2023
概括
这项研究引入了一种机器学习模型,使用体积来预测脏年龄 (K-AGE). 该模型准确地估计了生理脏年龄,提供了对脏健康的洞察力,跨越了衰老和疾病状态.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 传统的功能标志物,如血清肌素 (Scr) 和估计的膜过率 (eGFR),具有局限性.
- 众所周知,皮和髓体积随着年龄的增长和功能下降而发生变化.
研究的目的:
- 开发和验证一种基于体积的机器学习模型来预测"年龄" (K-AGE).
- 评估K-AGE在正常衰老和疾病条件下评估脏健康的临床实用性.
主要方法:
- 招募了182名具有正常Scr水平的患者.
- 使用3D U-Net架构进行皮和脑髓细分和体积计算.
- 包括糖尿病和糖尿病病的测试组进行比较分析.
主要成果:
- 开发的多式联络模型预测了K-AGE在95%的置信区间内,准确率为92%.
- 在K-AGE预测中的平均绝对误差随着疾病进展而增加 (PUMCH:5.00,PUMCH-DM:6.99,PUMCH-DN:9.32).
结论:
- 建立了一个机器学习模型来预测K-AGE.
- 这种方法为评估正常衰老和疾病状态的整体健康提供了一种新的方法.
