捕捉COPD异质性:异常检测和参数响应映射比较用于胸部计算机断层扫描上的表型

科学领域:

• 放射学 放射学是一门学科.
• 肺部医学 肺部医学
• 人工智能在医学中的应用

背景情况:

• 慢性阻塞性肺部疾病 (COPD) 是一个重大的全球健康挑战,需要先进的诊断工具,以便早期识别和精确的表型.
• 目前的诊断方法需要改进,以捕捉COPD异质性及其动态进展的全部范围.

研究的目的:

• 将一种新的自我监督异常检测方法与传统的参数响应映射 (PRM) 进行比较,用于在胸部CT上表征COPD.
• 探索这些方法之间的空间和定量关系,以及它们与肺功能测试 (PFT) 的相关性.
• 为了进一步了解COPD的过渡阶段.

主要方法:

• 来自COPDGene数据集的1,310个非对比的吸入式和呼出式CT扫描的回顾性分析,包括从不吸烟者,GOLD 0和COPD患者 (GOLD 1-4).
• 应用自主监督异常检测方法来量化区域肺部异常作为偏差.
• 异常得分与PRM体积的比较 (肺瘤:PRM,功能性小气道疾病:PRM),PCA和聚类,以及PFT相关性的评估.

主要成果:

• 自主监督的潜空间可视化揭示了分离肺气和空气捕获的独特空间模式.
• 异常分数和特定集群显示出显著的趋势,GOLD阶段的增加,与PRM^Emph和PRM^fSAD不同.
• 异常得分显示PFT与中等相关性,与PRM^Emph和PRM^fSAD有很强的相关性,显著改善了多变量模型对临床参数的适应性.

结论:

• 异常检测方法和PRM协同捕捉COPD异质性,提供互补的优势.
• 整合这些方法为深入了解COPD病理生理学提供了一个有希望的途径.
• 这种综合方法可能会导致更为定制的诊断和干预策略,最终改善患者的治疗结果.