人工智能模型用于对手骨关节炎中骨细胞的细分和严重性评分,超声波图像上
Benjamin Schultz Overgaard1, Anders Bossel Holst Christensen2, Lene Terslev3
1Section of Rheumatology, Department of Medicine, Svendborg Hospital - Odense University Hospital, Svendborg, Denmark.
Frontiers in medicine
|March 19, 2024
概括
一个人工智能 (AI) 模型可以细分手关节超声波图像,并以高准确度对骨关节炎 (OA) 的骨菌严重程度进行评分. 这种人工智能工具在改善临床实践中的OA评估和诊断方面表现有前途.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 类风湿病学 类风湿病学
背景情况:
- 手部骨关节炎 (OA) 是一种普遍的疾病,导致疼痛和功能限制.
- 通过超声波精确评估骨质细胞和突炎对于OA诊断和管理至关重要.
- 目前手部关节超声波图像的手动评估可能是主观的和耗时的.
研究的目的:
- 开发一种人工智能 (AI) 模型,用于分割手关节超声波图像.
- 使人工智能模型能够使用EULAR-OMERACT分级系统 (EOGS) 来评分骨菌严重程度.
- 评估人工智能模型在图像细分和骨菌严重性得分方面的表现,以评估手部OA.
主要方法:
- 使用了来自160名患者的4615张手关节超声波图像的数据集.
- 手动分段骨,突和骨细胞在甲手腕 (MCP) 关节,近端关节 (PIP),远端关节 (DIP) 关节和第一手腕 (CMC1) 关节上进行.
- 一个人工智能模型被训练用于图像识别和骨菌严重程度分类 (EOGS 0-3).
- 使用百分比准确协议 (PEA) 和百分比接近协议 (PCA) 评估绩效.
主要成果:
- 人工智能模型在所有评估的关节中实现了高达成协议率.
- 对于MCP关节,PEA为76%和PCA为97%.
- 总的来说,结合所有关节,AI与专家评估相比,显示PEA为68%,PCA为95%.
- 人工智能的细分能力提高了临床医生对模型的解释性.
结论:
- 开发的AI模型成功地执行了手关节超声波图像细分和骨菌严重性得分.
- 人工智能的性能指标表明,它是手工OA评估的可行工具.
- 这种人工智能模型提供了一个有希望的,可解释的方法来提高手工OA评估的准确性和效率.
