使用人工智能的定量成像数据的整合改善了肝病退伍军人的风险预测
Grace L Su1,2, Peng Zhang3, Patrick X Belancourt1
1Center for Clinical Management Research, VA Ann Arbor Healthcare System, Ann Arbor, Michigan, USA.
Hepatology (Baltimore, Md.)
|December 29, 2023
概括
人工智能自动从CT扫描中提取生物标志物,在与电子健康记录数据相结合时,显著改善肝病患者的风险预测.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 肝病学和肝脏疾病研究研究
背景情况:
- 电子健康记录 (EHR) 能够实现诸如电子Child-Turcotte-Pugh (eCTP) 评分之类的预测指数.
- CT扫描包含有价值的表型数据用于预后,但在数据提取方面未得到充分利用.
- 传统的数据提取方法尚未应用于医学成像数据.
研究的目的:
- 使用人工智能从CT扫描中自动提取生物标志物.
- 评估成像生物标志物的实用性,以提高肝病患者的风险预测.
- 评估成像生物标志物和现有临床评分的综合性能.
主要方法:
- 利用了退伍军人卫生系统 (2008-2014) 的区域肝病队列.
- 除了CT扫描,还提取了行政,实验室和临床数据.
- 采用分析形态学平台用于自动成像生物标志物导出.
- 包括4614名患者在分析中.
主要成果:
- 电子Child-Turcotte-Pugh (eCTP) 评分为整体死亡率预测实现了0.64的一致性指数.
- 仅基于成像的模型 (0.72) 和与eCTP (0.73) 结合的模型显著超过eCTP得分 (p < 0.001).
- 为了预测未来的肝衰竭,单独的成像 (0.79) 和组合模型 (0.80) 超过了eCTP得分 (0.67).
结论:
- 从CT扫描中自动提取成像特征显示了潜在的潜力.
- 图像特征可以改善慢性肝病的风险预测,单独或与临床数据一起.
- 这种概念验证突出了AI在利用成像技术提高患者风险分层方面的作用.
