基于超声波图像的初级Sjögren综合征的精确评估中的深度学习

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 类风湿病学 类风湿病学

背景情况:

• 主要Sjögren综合征 (pSS) 是一种慢性自身免疫性疾病,影响外分泌腺.
• 准确诊断PSS对于及时管理和预防并发症至关重要.
• 当前的诊断方法可能在灵敏度和特异性方面存在局限性.

研究的目的:

• 评估一种深度学习 (DL) 模型对初级Sjögren综合征 (pSS) 的诊断价值.
• 为了评估模型的性能,使用灰度超声波 (US) 唾液和眼腺的图像来评估模型的性能.
• 将DL模型的诊断准确性与经验丰富的放射科医生进行比较.

主要方法:

• 一项多中心前性研究,涉及72名pSS患者和72名对照人群进行模型开发,以及41名pSS患者和41名对照人群进行验证.
• 一个DL模型 (ResNet 50) 在美国灰度图像上训练了下下腺 (SMGs),腺 (PGs) 和眼腺 (LGs).
• 用ROC曲线下的面积 (AUC) 评估DL模型的诊断性能,并与两名放射科医生进行比较.

主要成果:

• 在开发队列中,DL模型为SMG (0.92),PG (0.93) 和LG (0.91) 实现了高AUC,在验证队列中达到高AUC (0.90,0.88,0.87).
• 与放射科医生相比,DL模型在所有评估的腺体中表现出优越的诊断性能.
• 校准曲线证实了DL模型的可靠预测概率与实际结果一致.

结论:

• 使用美国灰度图像的DL模型显示了对PSS的精确评估和诊断的巨大潜力.
• 在基于SMG,PG和LG成像的pSS识别方面,DL模型优于传统的放射科医生评估.
• 这种人工智能驱动的方法为改善pSS诊断提供了一个有希望的工具.