我们可以利用肩部CT扫描和人工智能机会性地选低骨矿物质密度吗?
Ronnie Sebro1,2, Cynthia De la Garza-Ramos2
1Department of Orthopedic Surgery, Mayo Clinic, Jacksonville, FL 32224, United States.
The British journal of radiology
|June 5, 2024
概括
肩部CT扫描骨密度可以通过CT衰减来预测. 使用多个骨部位的支向量机 (SVM) 模型在预测低骨矿物质密度 (BMD) 中表现出卓越的性能.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 骨健康 骨健康 骨健康
背景情况:
- 低骨矿物质密度 (BMD),包括骨质疏松症和骨质疏松症,增加骨折风险.
- 准确和可访问的BMD评估方法对于早期检测和干预至关重要.
- 肩部CT扫描通常用于各种骨科疾病.
研究的目的:
- 为了确定肩部CT扫描中的CT衰减值是否可以预测低BMD.
- 为了比较两个机器学习模型的预测性能:支持矢量机 (SVM) 和k-最近邻居 (kNN).
主要方法:
- 50岁以上的194名患者在一年内接受了无增强的肩部CT扫描和双能X射线吸收仪 (DXA).
- 使用3D-Slicer测量了多个肩骨 (肩膀骨,状骨,心脏骨,骨,关节骨,肋骨) 的CT衰减.
- 训练SVM和kNN模型以基于CT衰减值来预测低BMD.
主要成果:
- 关节骨CT衰减 (195.4 HU) 显示灵敏度为0.577,特异性为0.781,AUC为0.701用于预测低BMD.
- 在测试数据集中,SVM模型实现了0.686的灵敏度,1.00的特异性和0.857的AUC.
- 该kNN模型的灵敏度为0.966,特异性为0.200,AUC为0.583.
结论:
- 单靠关节骨的CT衰减可以预测低BMD,但准确度中等.
- 一个多变量SVM模型,包括多个骨位的CT衰减,在预测低BMD方面表现优异,而不是单位CT衰减.
- 机器学习模型,特别是SVM,显示了使用标准肩部CT扫描进行骨密度的非侵入性评估的前景.
