Capi-score:一种定量算法,用于识别指甲折叠视频毛囊显微镜中的疾病模式
Borja Del Carmelo Gracia Tello1,2, Luis Sáez Comet3, Gema Lledó4
1Internal Medicine Department, Hospital Clínico Universitario Lozano Blesa, Zaragoza, Spain.
Rheumatology (Oxford, England)
|March 26, 2024
概括
这项研究开发了一种基于软件的算法 (CAPI-score),以客观地识别系统性硬化和雷诺氏硬化中的指甲视频毛囊镜疾病模式.
科学领域:
- 类风湿病学 类风湿病学
- 皮肤病学 皮肤病学
- 医学成像分析 医学成像分析
背景情况:
- 爪视频毛囊镜 (NVC) 对于识别系统性硬化症 (SSc) 和雷诺现象 (RP) 的疾病模式 (DPs) 是至关重要的.
- 现有的EULAR指南提出了一种快速追踪算法,但观察者之间的变化仍然是一个局限性.
- 需要基于软件的客观分析来标准化NVC解释.
研究的目的:
- 在SSc和RP患者中对NVC特征进行基于软件的分析.
- 开发一种用于识别DP的新算法,灵感来自快速跟踪方法,尽量减少主观性.
- 提高基于NVC的DP分类的准确性和可重复性.
主要方法:
- 软件分析了851个具有共识一致的DP的NVC (≥2/3的观察者).
- 确定关键的NVC变量 (毛细血管密度,异常/巨大的毛细血管,形,出血).
- 开发了CAPI得分算法,用于DP分类的四个不同的规则.
主要成果:
- CAPI得分算法在分类DP方面取得了很高的准确性:规则1 (SSc与非SSc) 0.88,规则2和3 (SSc亚型) 0.82,规则4 (非SSc亚型) 0.73.
- 软件分析确定了毛细血管密度和形态异常的特定切线.
- 准确性进一步提高,NVC实现了观察者间完全的共识.
结论:
- CAPI评分算法为NVC中客观DP分配提供了一个潜在的工具.
- 这种基于软件的方法可以克服NVC解释中观察者间主观性的局限性.
- CAPI得分可以提高SSc和RP的诊断一致性和患者分层.
