对一个深度学习模型的外部验证,用于预测胸部X射线图上的骨矿物质密度
Takamune Asamoto1, Yasuhiko Takegami2, Yoichi Sato1
1Department of Orthopaedic Surgery, Nagoya University Graduate School of Medicine, 65 Tsurumai-cho, Showa-ku, Nagoya, Aichi, 466-8560, Japan.
Archives of osteoporosis
|March 13, 2024
概括
一个新的深度学习模型从胸部X射线中准确预测骨矿物质密度 (BMD),在临床实践中显示骨质疏松症查的前景.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 骨矿物质密度 (BMD) 评估对于诊断骨质疏松症和骨质疏松症至关重要.
- 双能X射线吸收度 (DXA) 是BMD测量的黄金标准,但可能无法获得.
- 胸部X射线图是广泛可用的,可以提供BMD估计的替代来源.
研究的目的:
- 为了外部验证一个深度学习 (DL) 模型,该模型旨在使用胸部放射图来预测部部骨矿物质密度 (BMD).
- 评估DL模型在识别骨质疏松症和骨质疏松症方面的临床实用性.
主要方法:
- 一个DL模型是使用集体学习开发的47150个胸部X射线图,年龄和性别数据从17个设施.
- 外部验证对来自三个独立机构的2914张胸部X射线图进行了外部验证.
- 使用DXA测量了BMD,模型预测与DXA测量和T-score诊断相关联.
主要成果:
- 在外部验证数据集中,DL模型在预测和DXA测量的BMD之间实现了0.68 (p<0.01) 的相关系数.
- 骨质疏松症的分类性能 (T-score ≤-2.5) 显示了79.7%的准确性,77.1%的灵敏性和80.4%的特异性.
- 该模型显示T-score<-1的高灵敏度 (96.6%),表明识别有风险的个体具有很强的潜力.
结论:
- 外部验证的DL模型可靠地从胸部X射线图中预测大腿部BMD.
- 该模型的性能表明,它有可能被纳入骨质疏松症查的临床工作流程.
- 这种方法可以提高BMD评估的可访问性,特别是在资源有限的环境中.
