应用基于腹部计算机断层扫描近端大腿骨的机器学习分析来选大腿骨中异常骨质

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 医疗保健中的机器学习

背景情况:

• 异常的骨质量,特别是骨质疏松症,是一个重大的公共卫生问题.
• 目前的查方法可能不是普遍可用的或有效的.
• 腹部计算机断层扫描 (CT) 扫描被广泛用于各种诊断目的.

研究的目的:

• 为了评估机器学习 (ML) 分析的性能,使用来自腹部CT扫描的靠近大腿骨数据.
• 评估这种ML方法在查大腿骨异常质量的有用性.
• 为了确定CT扫描中的放射性特征是否可以预测骨质异常.

主要方法:

• 追溯招募222名50岁以上的患者,他们接受了腹部CT和双能X射线吸收仪 (DXA) 扫描.
• 在腹部CT扫描中从接近的股骨区域提取2288个放射性特征.
• 使用选定的特征 (最小冗余性,最大相关性和最小绝对收缩和选择运算符) 和用于预测的后勤回归的放射学模型的开发.

主要成果:

• 一个带有13个选定的特征的放射学模型展示了出色的预测性能.
• 在训练队列中,该模型实现了曲线下的面积 (AUC) 为0.917,准确度为0.826,灵敏度为0.935,特异性为0.780.
• 测试队列表现更好,AUC为0.963,准确度为0.851,灵敏度为0.923,特异性为0.889.

结论:

• 基于近端股骨CT扫描的放射学模型在识别异常骨质方面表现出高的预测性能.
• 这种方法可以作为机会性骨质疏松症查的有效工具.
• 利用现有的腹部CT扫描来评估骨质量,可以提高查的可访问性.