使用人工智能算法来分析系统性硬化症-间歇性肺病成像特征
Jing Zhao1, Ying Long2,3, Shengtao Li4
1Department of Rheumatology, People's Hospital of Xiangxi Tujia and Miao Autonomous Prefecture (The First Affiliated Hospital of Jishou University), Intersection of Shiji Avenue and Jianxin Road, Jishou, 416000, Hunan, People's Republic of China.
Rheumatology international
|August 29, 2024
概括
人工智能 (AI) 能够有效地分析高分辨率计算机断层扫描 (HRCT),用于诊断系统性硬化症相关的间歇性肺病 (SSc-ILD). 人工智能揭示了与临床特征和预后相关的成像模式,有助于SSc-ILD评估.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 系统性硬化症相关的间歇性肺病 (SSc-ILD) 的诊断和预后具有挑战性.
- 高分辨率计算机断层扫描 (HRCT) 对于SSc-ILD评估至关重要,但AI的作用尚未得到充分探索.
- 了解SSc-ILD成像特征对于患者管理至关重要.
研究的目的:
- 使用AI分析SSc-ILD患者的肺HRCT图像.
- 为了将AI衍生成像特征与临床表现和预后相关联.
- 探索分散的SSc-ILD (dSSc-ILD) 和有限的SSc-ILD (lSSc-ILD) 的不同成像特性.
主要方法:
- 收集了72张肺HRCT图像和58名SSc-ILD患者的临床数据.
- 利用人工智能识别和评估ILD病变类型,位置和HRCT上的体积.
- 对dSSc-ILD和lSSc-ILD的成像特征进行统计分析,并将研究结果与临床指标和预后相关联.
主要成果:
- 人工智能有效地分析了SSc-ILD成像特征,显示了概括的潜力.
- dSSc-ILD和lSSc-ILD根据疾病持续时间 (<1年与≥5年) 显示出不同的患病率.
- 常见的ILD类型包括NSIP,UIP和不可分类的IIP;随着疾病的进展,病变的多样性增加. 肺高血压的SSc-ILD中没有地面玻璃的不透明性.
结论:
- 人工智能在分析SSc-ILD的复杂HRCT图像方面显示出巨大的潜力.
- 人工智能驱动的分析可以揭示与SSc-ILD亚型和临床结果相关的成像模式.
- 这种方法可以提高SSc-ILD的诊断准确性和预后评估.
