使用机器学习对ERCP后胰腺炎进行基于十二指卵泡放射学的预测模型:一项回顾性多队列研究
Kangjie Chen1, Haihao Lin2, Feiyi Zhang3
1Department of Hepatobiliary and Pancreatic Surgery, the First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, China.
Gastrointestinal endoscopy
|April 7, 2024
概括
使用放射学分析的乳头形态,可以预测ERCP后胰腺炎 (PEP). 一个新的基于放射学的模型在识别患有PEP风险的患者方面显示出高准确性,改善了临床预测.
科学领域:
- 胃肠病学和内镜检查
- 医学成像和人工智能 医学成像和人工智能
- 医学中的预测分析.
背景情况:
- 内镜逆行胆血管瘤造影 (ERCP) 是胆道和胰腺疾病的关键手术.
- 十二指卵泡形态影响ERCP的复杂性和结果,包括ERCP后胰腺炎 (PEP).
- 准确预测PEP对于患者管理和程序安全至关重要.
研究的目的:
- 调查十二指卵泡形态与ERCP后胰腺炎 (PEP) 发展风险之间的关联.
- 开发和验证PEP的预测模型,使用从内镜图像中提取的放射性特征.
- 评估基于放射学模型的PEP预测的临床实用性.
主要方法:
- 在两个中心对2372名接受ERCP的患者进行了回顾性分析.
- 使用深度学习技术从内镜图像中提取乳头的放射性特征.
- 使用机器学习算法和物流回归的预测模型的开发,经过歧视,校准和临床实用性验证.
主要成果:
- 从乳头形态学得出的放射性评分与PEP风险显著相关 (AUC,0.755-0.821).
- 一个基于放射学的预测模型在训练,测试和验证队列中显示出出色的歧视 (AUC, .825-.857).
- 放射性评分的整合显著提高了PEP现有的预测模型的诊断准确性.
结论:
- 十二指卵泡的放射性特征是PEP的独立和关键预测因素.
- 一个基于乳头放射学的模型为PEP的临床预测提供了强大的性能.
- 这种方法有望改善ERCP中的患者选择和程序风险分层.
