基于定量CT分析预测COPD恶化:一个外部验证研究.
Ji Wu1, Yao Lu2, Sunbin Dong3
1Department of General Surgery, Suzhou Ninth Hospital Affiliated to Soochow University, Suzhou, China.
一个深度学习系统 (DLS) 准确地使用CT衍生生物标志物预测慢性阻塞性肺病 (COPD) 恶化. 与传统方法相比,这种DLS表现优越,用于识别患有COPD事件高风险的患者.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 定量计算断层扫描 (CT) 对于诊断和评估肺部疾病的严重程度至关重要.
- 对于慢性阻塞性肺病 (COPD) 恶化的CT衍生生物标志物的预测价值尚未得到充分确立.
研究的目的:
- 研究CT衍生生物标志物在预测COPD恶化中的潜力.
- 开发和验证一个深度学习系统 (DLS),用于预测未来的COPD恶化.
主要方法:
- 在2年的随访期间,对1,150名COPD患者的胸部CT扫描进行了回顾性分析.
- 分析身体组成和胸部异常,包括受影响的肺体积/肺总容量 (ALV/TLC) 比率,内脏脂肪组织面积 (VAT) 和胸部肌肉横截面积 (CSA).
- 开发用于恶化预测的DLS,与BODE指数等传统得分进行验证.
主要成果:
- 高ALV/TLC比率,高VAT和低胸肌CSA被确定为COPD恶化的独立风险因素.
- DLS在ROC曲线 (AUC) 下的面积为0.88 (内部) 和0.86 (外部),超过了恶化史和BODE指数.
- 生存分析表明,DLS的更高风险分层与恶化事件的增加相关.
结论:
- 开发的DLS能够准确预测COPD恶化的情况.
- 新的CT生物标志物 (ALV/TLC比率,VAT,胸肌CSA) 提供了对恶化的机制的见解.
- DLS具有风险分层和改善COPD患者管理的潜力.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
04:03Author Spotlight: Evaluating the Therapeutic Efficacy of Moving Cupping Along Meridians for Acute Exacerbation of COPD
Published on: September 27, 2024
相关概念视频
Chronic Obstructive Pulmonary Disease-IV: Assessement and Diagnostic Studies
Medical History
Chronic Obstructive Pulmonary Disease-I: Introduction
COPD: Pathogenesis and Clinical Features
The primary cause for the onset of COPD is cigarette smoking and exposure to air pollution. These hazardous factors initiate a chain reaction within the lungs, resulting in chronic inflammation, damage to the airways, and a...
COPD: Management Using Bronchodilators and Corticosteroids
