机器学习分类器与间歇性肺部疾病的死亡率有关:利用注册表数据进行了回顾性验证研究
Kavitha C Selvan1, Joshua Reicher2,3, Michael Muelly2,3
1Section of Pulmonary and Critical Care Medicine, Department of Internal Medicine, University of Chicago Medicine, 5841 S Maryland Avenue, Chicago, IL, 60637, USA. kavitha.selvan@uchicagomedicine.org.
BMC pulmonary medicine
|May 23, 2024
概括
Fibresolve AI 工具显示,在间歇性肺病 (ILD) 患者中,与死亡率有着强烈的联系,特别是那些患有非IPF ILD 和严重疾病的患者. 这一发现有助于预测ILD的结果.
科学领域:
- 肺部医学 肺部医学
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 间歇性肺病 (ILD) 死亡率预测是具有挑战性的,因为亚型异质性.
- 目前的预后依赖于强迫生命能力 (FVC) 和性别,年龄和生理学 (GAP) 评分.
- 机器学习系统Fibresolve,最初用于异常性肺纤维化 (IPF) CT模式,显示了 ILD亚型之间的先前死亡率关联.
研究的目的:
- 为了追溯验证Fibresolve与大量ILD患者的外部队列中的死亡率的关联.
- 为了评估Fibresolve的预测性能,超越现有指标,如修改的GAP (mGAP) 评分.
主要方法:
- 一项多中心验证研究将Fibresolve应用于ILD患者的胸部CT扫描,并提供了随访数据.
- 用Cox回归分析Fibresolve得分,分类为三位数,调整以烟草使用和mGAP得分为准.
主要成果:
- 在一个由643名ILD患者组成的队列中,69.3%的患者在随访期间死亡.
- 在多变量分析中,Fibresolve tertile 3与死亡率显著相关 (HR 3.12,p < 0.001).
- 在非IPF的ILDs (Tertile 3 HR 4.66) 和严重的ILD (FVC ≤ 75%) (Tertile 3 HR 4.80) 中发现了显著的关联.
结论:
- 纤维溶与ILD患者的死亡率有独立的关联.
- 这种关联在非IPF的ILD和严重疾病患者中特别强烈.
- 纤维溶液为ILD预后提供了一个有前途的工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
04:10Author Spotlight: Expanding Interventional Pulmonology Research with Robotic-Assisted Bronchoscopy
Published on: July 19, 2024
582
