一种名图,用于预测早期严重的COVID-19患者肺病变增加的肺病变
Lina Chen1, Min Li2, Zhenghong Wu1
1Department of Radiology, Jingzhou Hospital Affiliated to Yangtze University, Jingzhou, Hubei Province, China.
Frontiers in medicine
|May 13, 2024
概括
这项研究开发了一种使用CT扫描和中性粒细胞与淋巴细胞的比率来预测早期肺炎患者严重的COVID-19进展的AI驱动的诺米克图. 该工具准确地识别出患有严重疾病风险的患者,帮助临床决策.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 在患有早期肺炎的患者中预测2019年冠状病毒严重疾病 (COVID-19) 的进展对于及时干预至关重要.
- 计算机断层扫描 (CT) 扫描显示了肺炎病变特征,而中性粒细胞与淋巴细胞的比率 (NLR) 是已知的炎症标志物.
研究的目的:
- 开发和验证一种简化的名谱,用于预测严重的COVID-19进展.
- 利用基于人工智能 (AI) 的量化CT特征和临床数据进行早期风险分层.
主要方法:
- 分析了246名COVID-19患者的队列,重点关注93例轻度疾病和7天内随访CT扫描.
- 人工智能被用来量化CT特征 (地面玻璃不透明度,半整合,整合体积) 和它们的变化.
- 使用一个多变量逻辑回归模型,结合年龄,NLR和CT衍生的病变变异来构建名图.
主要成果:
- 在61名病患中,病变扩大,19名 (31.1%) 病变进展为严重疾病.
- 开发的名图表显示出强大的预测性能,曲线下的面积 (AUC) 为0.961.
- 决策曲线分析证实了基于人工智能的诺米图的临床实用性.
结论:
- 定量CT变化,NLR和年龄的整合有效地预测了早期肺炎患者的严重COVID-19进展.
- 这种人工智能驱动的诺米图提供了一个有前途的工具,可以帮助临床医生管理COVID-19患者.
- 早期识别患有严重疾病风险的患者可以改善临床决策和患者的治疗结果.
