基于人工智能的模型,用于预测肺动脉高血压的胸部X射线图像
Shun Imai1,2, Seiichiro Sakao3, Jun Nagata4,5
1Department of Respirology, Graduate School of Medicine, Chiba University, Chiba, Japan. imashun9168@gmail.com.
BMC pulmonary medicine
|February 27, 2024
概括
一个新的深度学习算法可以从胸部X射线 (CXR) 中高精度地检测肺动脉高血压 (PAH). 这种人工智能工具与经验丰富的医生相比,显示出优越的诊断能力,可能会提高早期检测和生存率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心脏病学 心脏病学
背景情况:
- 肺动脉高血压 (PAH) 是一种严重的疾病,通常是晚诊断的,导致生存率降低.
- 延迟诊断PAH有助于患者的治疗结果较差.
- 胸部X射线 (CXR) 分析对于诊断PAH至关重要.
研究的目的:
- 开发和验证用于检测肺动脉高血压 (PAH) 的深度学习算法,使用胸部X射线 (CXR) 图像.
- 将AI算法的诊断性能与经验丰富的医生进行比较.
主要方法:
- 在519张CXR图像 (418张培训图像,101张测试图像) 上训练并测试了一种深度学习算法,该算法来自患有和没有PAH的患者.
- 该算法生成了PAH检测的概率得分.
- 使用曲线下的面积 (AUC) 评估性能,并与人类专家诊断进行比较.
主要成果:
- 该算法在检测PAH时获得了高AUC0.988的高AUC.
- 灵敏度为0.933和特异性为0.982,AUC值为0.69.69. 在AUC值为0.69.
- 与经验丰富的医生相比,深度学习算法展示了优越的检测能力.
结论:
- 使用CXR图像的深度学习算法在检测肺动脉高血压 (PAH) 中表现出了卓越的能力.
- 基于人工智能的方法超过了经验丰富的临床医生的诊断性能.
- 这项技术有望为更早,更准确的PAH诊断提供希望.
