开发和外部验证一个基于深度学习的计算机断层扫描对COVID-19的分类系统.
Yuki Kataoka1,2,3,4, Tomohisa Baba5, Tatsuyoshi Ikenoue6,7
1Department of Internal Medicine, Kyoto Min-Iren Asukai Hospital.
Annals of clinical epidemiology
|March 20, 2024
概括
一个新的机器学习模型显示了对COVID-19 (SARS-CoV-2) 的CT扫描进行分类的高灵敏度. 这种工具可能有助于紧急部门迅速排除病毒,尽管具体性需要改进.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 传染性疾病 传染性疾病
背景情况:
- 为COVID-19开发准确的诊断工具至关重要.
- 计算机断层扫描 (CT) 图像广泛用于COVID-19诊断.
- 机器学习 (ML) 为自动化图像分析提供了潜力.
研究的目的:
- 开发和外部验证一种新的机器学习模型,用于分类与SARS-CoV-2相关的CT发现.
- 评估模型在识别COVID-19阳性病例方面的表现.
主要方法:
- 用于模型开发和内部验证使用了2928张图像 (633张COVID-19,2295张非COVID-19).
- 外部验证了该模型的893张图像,来自740名疑似COVID-19患者.
- 使用逆转录聚合酶连锁反应 (RT-PCR) 作为参考标准.
主要成果:
- 在外部验证中,该模型在低切线时达到0.869的灵敏度,在高切线时达到0.724的灵敏度.
- 具体性为0.432 (低切线) 和0.721 (高切线).
- 接收器运行特征曲线下的面积为0.76.
结论:
- 机器学习模型在外部验证数据集中显示出高灵敏度.
- 该模型可能有助于医生在紧急情况下快速排除COVID-19诊断.
- 需要进一步的研究来增强模型的特异性.


