在使用基于人工智能的细分方法对COPD患者CT上的间歇性肺异常进行纵向评估:一项前性观察性研究
Yusuke Shiraishi1, Naoya Tanabe2,3, Ryo Sakamoto4
1Department of Respiratory Medicine, Graduate School of Medicine, Kyoto University, Kyoto, Japan.
BMC pulmonary medicine
|April 23, 2024
概括
人工智能可以使用CT扫描量化慢性阻塞性肺病 (COPD) 患者的间歇性肺异常 (ILAs). 这种人工智能方法对在COPD中识别和监测ILA充满希望,改善患者的治疗结果.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 在慢性阻塞性肺病 (COPD) 患者中,间歇性肺异常 (ILA) 越来越多地被认可.
- 在COPD中量化ILA仍然具有挑战性,阻碍了临床结果评估.
- 这项研究调查了基于AI的CT图像分析对COPD中ILA识别的实用性.
研究的目的:
- 评估基于AI的细分的应用,以量化COPD患者的ILAs.
- 使用AI衍生的间歇性肺病体积百分比 (ILDvol%) 建立ILA检测的最佳门.
- 评估ILDvol%的纵向变化及其与5年内ILA发展的关联.
主要方法:
- 人工智能算法在CT扫描上对地面玻璃的不透明度,网膜和蜂巢进行了细分.
- 间歇性肺病体积百分比 (ILDvol%) 被计算为ILA与肺总体积的比率.
- 确定并验证了ILA检测的最佳ILDvol%值;分析了纵向变化.
主要成果:
- 在发现和验证队列中,分别在14%和10%的COPD患者中检测到ILA.
- 在ILA患者中,AI识别的ILDvol%显著更高.
- 一个ILDvol%的门为1.203%,显示出对ILA检测的高灵敏度 (93.3%) 和特异性 (76.3%);增加的ILDvol%与ILA发展相关.
结论:
- 基于AI的ILDvol%的CT量化是一种可重复的方法,用于识别COPD中的ILAs.
- 这种AI方法有助于监测COPD患者的ILA.
- 人工智能驱动的量化可能会改善患有ILA的COPD患者的临床管理.
