在肺纤维化中寻找成像生物标志物:AIIB23挑战的基准
Yang Nan1, Xiaodan Xing2, Shiyi Wang3
1Bioengineering Department and Imperial-X, Imperial College London, London, UK; Royal Brompton Hospital, London, UK.
Medical image analysis
|July 5, 2024
概括
纤维化肺病的自动气道细分具有挑战性. 新方法改善了气道提取,并揭示了强大的气道衍生生物标志物用于死亡率预测,优于现有的临床和人工智能评估.
科学领域:
- 医疗成像医学成像
- 肺部医学 肺部医学
- 人工智能的人工智能
背景情况:
- 呼吸道的定量成像生物标志物对于诊断和预测肺部疾病的结果至关重要.
- 手动的气道划分是耗时的,现有的自动方法在纤维化肺病中与复杂的肺组织模式作斗争.
- 公共数据集往往缺乏足够的数据,对于具有显著形态变异的疾病,如纤维化.
研究的目的:
- 通过使用定量CT成像来解决纤维化肺病的自动气道细分方面的挑战.
- 鼓励开发强大的和可通用的自动气道细分模型.
- 确定来自呼吸道的定量成像生物标志物 (QIB),这些生物标志物与纤维化肺病死亡率预测相关.
主要方法:
- "2023年纤维性肺部疾病的气道信息定量CT成像生物标志物" (AIIB23) 竞赛在MICCAI2023举办.
- 专家放射科医生在高分辨率计算机断层扫描 (HRCT) 扫描中仔细注释了气道结构.
- 发布了一套培训套件 (120张扫描),在线验证套件 (52张扫描) 和离线测试套件 (140张扫描),包括纤维化和COVID-19患者的数据.
主要成果:
- 在纤维化肺病患者中,通过使用克塞尔智能加权的一般联合损失和连续性损失,实现了改善的气道树提取.
- 一种来自呼吸道的新型生物标志物与生存预测有显著的关联 (危险比率>1.5,p < 0.0001).
- 这种来自呼吸道的生物标志物与现有的临床测量,临床医生评估和其他基于人工智能的生物标志物相比,表现优越.
结论:
- 先进的自动气道细分技术,结合特定的损失功能,增强复杂的纤维化肺部疾病的建模.
- 来自气道的定量成像生物标志物具有在肺部疾病中准确预测死亡率和生存预后的巨大潜力.
- 亚投行23年竞赛成功推动了该领域的发展,通过促进纤维化肺部疾病的呼吸道分析的创新,并确定了有前途的预后生物标志物.
