基于计算机断层扫描的放射学和身体组成模型,用于预测肝脏衰减补偿
Yashbir Singh1, John E Eaton2, Sudhakar K Venkatesh1
1Department of Radiology, Mayo Clinic, Rochester, MN 55905, USA.
Oncotarget
|November 22, 2024
概括
计算放射学有效地预测了使用CT扫描的原发性硬化性胆管炎 (PSC) 患者的肝脏去补偿. 这种先进的成像分析显示在识别疾病进展方面具有很高的准确性,为患者管理提供了有前途的工具.
科学领域:
- 医疗成像医学成像
- 肝病学 肝病学是一种肝病学.
- 人工智能在医学中的应用
背景情况:
- 原发性硬化性胆脉炎 (PSC) 是一种慢性肝病,导致胆道炎症和痕,可能导致肝硬化和肝功能衰竭.
- 早期预测肝衰竭对于管理PSC患者和改善结果至关重要.
研究的目的:
- 评估计算放射学在预测PSC患者肝脏衰竭的疗效.
- 评估基于深度学习的身体组成模型对此预测任务的性能.
主要方法:
- 使用深度学习模型 (人体组成模型) 来量化CT扫描中的四个部分:皮下脂肪组织 (SAT),骨肌肉 (SKM),内脏脂肪组织 (VAT) 和肌肉间脂肪组织 (IMAT).
- 从这些身体组成部分中提取了放射学特征,以开发一个预测模型.
- 验证了模型在独立队列上的表现.
主要成果:
- 基于放射学的预测模型在验证队列中实现了高性能.
- 达到0.97的准确度得分,精度为1.0,AUC得分为0.97,用于预测肝脏不补偿.
- 证明了计算放射学在识别有风险的患者中的潜力.
结论:
- 使用CT衍生的身体组成特征的计算放射学表明,在PSC中预测肝脏去补偿方面有很大的前景.
- 开发的模型具有很高的准确性,但需要进一步的研究来确认临床效用,并解决预测未来事件的局限性.
