一个机器学习系统,在具有挑战性的病例中,以非侵入性方式指示异形性肺纤维化诊断
Yousef Ahmad1, Joshua Mooney2, Isabel E Allen3
1Department of Pulmonary and Critical Care, University of Cincinnati Medical Center, 231 Albert Sabin Way, ML 0564, Cincinnati, OH 45267-0564, USA.
Diagnostics (Basel, Switzerland)
|April 26, 2024
概括
一个新的机器学习系统,Fibresolve,有助于在侵入性手术之前诊断异常性肺纤维化 (IPF). 与专家小组相比,它表现出更高的灵敏度和特异性,改善了间歇性肺部疾病 (ILD) 的诊断产量.
科学领域:
- 肺部病理学 肺部病理学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 异形性肺纤维化 (IPF) 诊断依赖于放射常见的间歇性肺炎 (UIP) 模式和临床数据.
- 早期IPF诊断的挑战包括有限的专家访问和临床间的变异性,阻碍了与其他间歇性肺病 (ILD) 的差异化.
- 对IPF的前入侵诊断敏感性仍然是一个重要的临床障碍.
研究的目的:
- 为了评估Fibresolve的性能,一个机器学习驱动的软件系统,在指示IPF诊断.
- 评估Fibresolve在一组异质患者的诊断准确性,这些患者在入侵前阶段接受ILD工作.
- 将Fibresolve的诊断能力与专家临床小组 (ECP) 和其他临床医生小组进行比较.
主要方法:
- 在美国两个临床场所,对300名ILD患者的注册数据进行了回顾性分析.
- 在最初的入侵前评估中,Fibresolve分析了病例.
- 与专家临床小组 (ECP) 和临床医生小组进行比较;通过多学科讨论 (MDD) 建立的基础真理,包括病理学和后续.
主要成果:
- Fibresolve满足了共同主要的终点,显示出对ECP的灵敏度更高,特异性明显高 (p = 0.0007) 超过了80.0%的边界.
- 在薄切片CT和非典型UIP模式 (n=124) 的小组中,Fibresolve实现了53.1%的诊断收益率,而临床医生则为0%.
- 在这个具有挑战性的小组中,Fibresolve表现出高特异性 (85.9%),在ILD工作中增加了IPF诊断的整体产量.
结论:
- 在侵袭前的设置中,Fibresolve显著提高了IPF的灵敏度和诊断产量.
- 该系统在CT扫描上具有非典型UIP模式的病例中诊断IPF时特别有前途.
- 在侵入性手术之前,Fibresolve可以作为标准临床评估的宝贵补充,用于IPF诊断.
