基于人工智能的分析SARS-CoV-2肺炎中异常计算机断层扫描模式的空间分布:与疾病严重程度的关联
Yusuke Kataoka1, Naoya Tanabe2, Masahiro Shirata1
1Department of Respiratory Medicine, Graduate School of Medicine, Kyoto University, 54 Kawahara-Cho, Shogoin, Sakyo-Ku, Kyoto, 606-8507, Japan.
Respiratory research
|January 10, 2024
概括
在SARS-CoV-2肺炎中,磨砂玻璃不透明度的中心和外围比率预测了严重的结果. 这种人工智能驱动的胸部CT扫描分析有助于识别高风险患者以获得更好的预后.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 肺炎呈现异质的临床特征.
- 胸部计算机断层扫描 (CT) 分析对于识别高风险患者至关重要.
- 量化SARS-CoV-2肺炎中肺部异常的中心-外周分布需要进一步调查.
研究的目的:
- 调查磨砂玻璃不透明度和巩固的中心-外围分布与SARS-CoV-2肺炎的严重结果之间的关联.
- 确定这些分布是否是严重程度的独立预测因素,超出整个肺部范围.
主要方法:
- 分析了512名住院的SARS-CoV-2肺炎患者的多中心回顾性队列.
- 人工智能 (AI) 技术在CT扫描上细分地板玻璃的不透明度和整合.
- 计算的比率包括整体GGO%和整合 (CON%),以及中央与边缘的比率 (GGO(C/P,CON(C/P)).
主要成果:
- 在77名患者中发生了严重的结局 (住院死亡或输管).
- 在患有严重结局的患者中观察到更高的全肺GGO%和CON%.
- 磨砂玻璃不透明度 (GGO(C/P)) 的中心和外围比率与其他因素独立的严重结果有显著的相关性.
结论:
- 磨砂玻璃不透明度的较高中央至外围比率与SARS-CoV-2肺炎中更严重的结果有关.
- 这种基于人工智能的量化方法可能有助于可重复性评估和预后估计.
- 这些发现突显了CT分析中空间分布模式对于预测肺炎严重性的重要性.
