计算机断层扫描基于肠道学的深度学习放射学来预测克罗恩病患者的分层愈合:一项多中心研究
Chao Zhu1,2, Kaicai Liu2,3, Chang Rong2
1Department of Radiology, The First Affiliated Hospital of Wannan Medical College, Wuhu, 241000, People's Republic of China.
Insights into imaging
|November 15, 2024
概括
一种深度学习放射学模型准确地预测了用infliximab治疗的克罗恩病患者的愈合. 这种非侵入性工具使用基线CT肠道学预测粘膜和外壁愈合,帮助治疗规划.
科学领域:
- 胃肠病学 胃肠病学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 克罗恩病 (CD) 管理需要对治疗反应进行准确的评估.
- 分层愈合 (粘膜和外壁) 是成功治疗因弗力西马布 (IFX) 的关键指标.
- 治疗的非侵入性预测可以优化治疗策略.
研究的目的:
- 开发和验证一个深度学习放射学 (DLR) 模型,用于预测CD患者的分层愈合.
- 使用基线计算机断层扫描 (CTE) 来进行非侵入性评估.
- 在独立的测试和验证队伍中评估模型的准确性.
主要方法:
- 追溯分析了246名CD患者的队列.
- 放射学和深度学习特征从基线CTE图像 (活跃的病变壁和介质脂肪组织) 中提取.
- 通过单变量分析和LASSO回归来选择特征,然后通过多变量逻辑回归来构建DLR模型.
主要成果:
- DLR模型在预测粘膜愈合 (MH) 中表现出高准确度,AUC为0.948 (训练),0.889 (测试) 和0.938 (验证).
- 该模型实现了0.856的诊断性能,用于预测超神经愈合 (TH).
- 在测试和外部验证队列中都观察到高预测准确度.
结论:
- 基于基线CTE特征的DLR模型可以准确预测接受IFX治疗的CD患者的分层愈合 (MH和TH).
- 开发的模型提供了一个非侵入性和直观的工具,用于预测治疗结果.
- 这种方法支持克罗恩病的个性化治疗计划.
