利用生物化学数据,通过深度学习改进骨髓瘤诊断
Shidong Wang1, Yangyang Shen2, Fanwei Zeng1
1Musculoskeletal Tumor Center, Peking University People's Hospital, Beijing, China.
Health information science and systems
|April 22, 2024
概括
这项研究通过将生化数据 (性酸盐酶和乳酸脱酶) 与X射线成像进行整合,提高了骨髓瘤 (OS) 诊断. 这种新型深度学习模型实现了97.17%的准确性,改进了传统方法.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早期和准确的骨髓瘤 (OS) 诊断对于患者的治疗结果至关重要.
- 目前用于操作系统诊断的机器学习 (ML) 模型主要使用X射线图像,往往缺乏概括和解释性.
研究的目的:
- 探索深度学习模型,以提高OS初级诊断的准确性,可解释性和通用性.
- 评估将生物化学数据 (性酸酶和乳酸脱酶) 与成像数据相结合的附加值.
主要方法:
- 设计了一个深度学习模型,将性酸酶 (ALP) 和乳酸脱酶 (LDH) 的数值特征与X射线成像的视觉特征结合起来.
- 在特征空间中采用了晚期融合方法来结合不同的数据类型.
- 该模型在一个现实世界数据集上进行了评估,该数据集包括848名年龄在4至81岁的患者 (2608例).
主要成果:
- 综合模型实现了97.17%的诊断准确率,比基线准确率94.35%显著改善.
- 通过晚期聚变方法同时纳入ALP和LDH的方法被证明是有效的.
- Grad-CAM可视化展示了模型的可解释性,与骨科专家的评估保持一致.
结论:
- 将生物化学标记物 (ALP,LDH) 与使用晚期融合深度学习模型的X射线成像集成,可以提高骨髓瘤诊断的准确性和可解释性.
- 这种多式联络方法为初级操作系统诊断提供了比仅使用图像的方法更强大,更具普遍性的解决方案.
