基于CT的放射学分析与纤维化间歇性肺部疾病中病态细胞透的相关性

科学领域:

• 肺部医学 肺部医学
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 异常性肺纤维化 (IPF) 是一种进展性肺病,其特征是细胞透.
• 准确评估细胞透是IPF诊断和管理的关键.
• 目前的方法通常依赖于侵入性手术,如手术肺活检 (SLB).

研究的目的:

• 识别计算机断层扫描 (CT) 放射学特征与纤维化间歇性肺病 (ILD) 中的细胞透相关.
• 开发和验证CT放射学模型,用于预测ILD患者的细胞透.

主要方法:

• 分析了从100名接受SLB的ILD患者的CT图像.
• 使用基于AI的软件和PyRadiomics提取放射学特征.
• 构建和外部验证模型以预测细胞计数和细胞性分类.

主要成果:

• 一个CT放射学模型准确地预测了59个外部验证样本中的细胞计数 (RMSE:0.797).
• 一个分类模型实现了70%的准确性和0.73的F1得分来预测更高或更低的细胞性.
• 这些模型与SLB的发现有很好的相关性.

结论:

• CT放射学提供了一种非侵入性方法,用于评估ILD中的细胞透.
• 开发的放射学模型为ILD细胞性提供了宝贵的见解.
• 这种方法可能有助于非侵入性评估纤维化肺病.