PACT-3D是一种深度学习算法,用于在腹部CT扫描中检测肺膜
I-Min Chiu1,2, Teng-Yi Huang3, David Ouyang4
1Department of Cardiology, Smidt Heart Institute, Cedars-Sinai Medical Center, Los Angeles, CA, USA. outofray@hotmail.com.
Nature communications
|November 7, 2024
概括
一个新的深度学习模型在计算机断层扫描 (CT) 扫描中准确地检测肺膜,提高了诊断速度和患者的治疗结果. 这种人工智能工具显示出高灵敏度和特异性,有助于紧急护理决策.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 诊断成像 诊断成像 诊断成像
背景情况:
- 延迟或错过检测肺 (腹腔中的空气) 与患者死亡率和发病率的增加有关.
- 准确及时识别肺上皮膜是有效的紧急护理和手术干预的关键.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,用于在计算机断层扫描 (CT) 图像中自动检测肺膜.
- 在回顾性,前性和外部验证数据集中评估模型的性能.
主要方法:
- 在远东纪念医院 (2012-2021) 的腹部CT扫描上训练了一种深度学习模型.
- 在模拟测试组 (14,039次扫描) 和来自同一机构的前性测试组 (6,351次扫描) 上评估了模型性能.
- 外部验证是使用Cedars-Sinai医疗中心的480张扫描进行的.
主要成果:
- DL模型表现出高的诊断准确性,在所有验证集中达到0.81-0.83的灵敏度和0.97-0.99的特异性.
- 灵敏度提高到0.92-0.98,当排除最小空气 (总体积<10毫升) 的情况时.
- 该模型在CT扫描中为肺上皮质检测提供了一致的预测.
结论:
- 开发的深度学习模型可以在CT扫描上准确可靠地识别肺上皮质.
- 这种人工智能工具有可能在紧急情况下加快诊断和治疗工作流程.
- 该模型的性能表明,通过减少诊断延迟,它有助于改善患者护理.
