一个基于深度学习的模型,用胸部X射线来估计肺功能:日本多机构模型开发和验证研究
Daiju Ueda1, Toshimasa Matsumoto2, Akira Yamamoto2
1Department of Diagnostic and Interventional Radiology, Graduate School of Medicine, Osaka Metropolitan University, Osaka, Japan; Department of Artificial Intelligence, Graduate School of Medicine, Osaka Metropolitan University, Osaka, Japan.
The Lancet. Digital health
|July 9, 2024
概括
一个新的AI模型通过高精度的胸部X射线估计了肺功能 (强迫的生命能力和强迫的呼吸量在1秒内). 这为无法进行螺旋计的患者提供了有价值的替代方案,有助于肺部疾病的诊断和管理.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 胸部X射线是解剖学评估的标准,但它们对动态肺功能估计的实用性尚不清楚.
- 肺功能测试,如螺旋计,对于诊断和管理肺部疾病至关重要.
- 从随时可用的胸部X射线估计肺功能可以改善可访问性和患者护理.
研究的目的:
- 开发和验证一个深度学习模型,通过胸部X射线估计1秒内强制生命能力 (FVC) 和强制呼吸量 (FEV1).
- 为了评估模型的性能与传统的螺旋测量测量.
主要方法:
- 这是一项回顾性研究,涉及来自日本五个机构的14万多名胸部X射线和螺旋计对.
- 使用胸部X射线开发和外部验证基于深度学习的AI模型.
- 使用皮尔森相关系数,ICC,MSE,RMSE和MAE进行绩效评估.
主要成果:
- 人工智能模型在从胸部X射线中估计FVC和FEV1时表现出高准确度,具有强大的相关性 (r ≈ 0.90-0.91) 和外部验证中的低误差指标.
- 外部测试显示,AI估计的FVC/FEV1和螺旋计结果之间有很好的一致性.
- 该模型在不同机构实现了强的表现.
结论:
- 深度学习模型可以从胸部X射线中准确估计FVC和FEV1,作为螺旋计的可行替代品.
- 这种人工智能工具可以使无法接受螺旋计的患者受益,并可能优化CT成像协议.
- 结合临床数据的进一步研究可以提高该模型对肺部疾病的诊断和管理能力.
