在囊性纤维化中,人工智能驱动的体积CT结果得分:纵向和多中心验证,有/没有调节器治疗
Amel Imene Hadj Bouzid1, Stephanie Bui1,2,3, Ilyes Benlala1,2,3
1Univ. Bordeaux, INSERM, Centre de Recherche Cardio-Thoracique de Bordeaux, U1045, CIC 1401, F-33600, Pessac, France.
European radiology
|August 16, 2024
概括
在囊性纤维化 (CF) 中CT扫描的自动化3D深度学习提供了一种可靠的方式来测量肺部异常. 这种NOVAA-CT方法准确地跟踪疾病的严重程度和治疗效果,显示了Elexacaftor/Tezacaftor/Ivacaftor治疗的显著改善.
科学领域:
- 放射学 放射学是一门学科.
- 肺部病理学 肺部病理学
- 人工智能在医学中的应用
背景情况:
- 目前用于囊性纤维化 (CF) 肺部变化的视觉评分方法缺乏灵敏度和可重复性.
- 3D深度学习为定量结果提供CT结构变化的自动化,整体细分.
研究的目的:
- 为了验证CT (NOVAA-CT) 的气道异常规范体积,用于监测CF严重程度的工具.
- 评估NOVAA-CT在纵向和多中心环境中的可靠性和响应性.
- 量化对肺部结构的治疗作用,包括气道异常的体积可逆性.
主要方法:
- 139名CF患者的回顾性验证研究 (2010-2023年).
- 一个单中心的ETI和ABPA组,以及一个多中心的外部验证组.
- NOVAA-CT量化了支气管切除,加厚,粘液和巩固;与PFT和Bhalla分数相比.
主要成果:
- 在所有组中,NOVAA-CT和PFT/Bhalla得分之间存在显著的相关性 (ρ ≥ 0.76,p < 0.001).
- 在ETI和ABPA治疗的多个气道异常中观察到纵向改善 (p ≤0.001).
- 带有ETI的支气管切除症的量化体积可逆性 (p < 0.001);高可重复性 (ICC > 0.99).
结论:
- NOVAA-CT是一种有效,可靠和响应快的自动化工具,用于监测CF肺部严重程度.
- 人工智能驱动的体积CT评分客观地量化结构变化和治疗效果.
- NOVAA-CT可实现可重复的监测,并在CF临床试验中作为一个有价值的终点.
更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
557
07:04Forskolin-induced Swelling in Intestinal Organoids: An In Vitro Assay for Assessing Drug Response in Cystic Fibrosis Patients
Published on: February 11, 2017
19.2K
