人工智能用于身体成分评估,重点关注肉类症

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
• 老年学和老年医学是老年学和老年医学.

背景情况:

• 测量骨肌肉质量的常规方法来诊断肉症在简单性,可复制性和方便性方面存在局限性.
• 准确高效的萨科佩尼亚诊断对于管理与年龄相关的肌肉损失及其相关的健康后果至关重要.

研究的目的:

• 引入和评估人工智能 (AI) 系统,用于直接计算机断层扫描 (CT) 分析,以测量骨肌肉质量,用于诊断肉症.
• 将人工智能系统的准确性,速度,可重现性和方便性与传统的测量方法进行比较.

主要方法:

• 开发了人工智能模型 (Deeplabv3用于身体区域检测,EfficientNetV2-XL用于萨尔科佩尼亚诊断),通过CT扫描训练了3096例病例.
• 使用人工智能和传统方法计算骨肌肉指数 (SMI),比较一致性和诊断变化的结果.
• 使用包括跨欧盟 (IoU) 交叉,灵敏度,特异性和积极预测值在内的指标评估AI性能.

主要成果:

• 传统方法显示低一致性 (κ系数0.478-0.236) 和诊断变化在43%的病例.
• 人工智能系统展示了强大的身体区域检测 (IoU=0.93) 并在所有测量中始终产生相同的结果.
• 人工智能达到了高准确度的萨尔科佩尼亚诊断:82.3%的灵敏度,98.1%的特异性和89.5%的积极预测值.

结论:

• 开发的AI系统与传统的萨科佩尼亚诊断方法相比,提供了更高的可复制性和方便性.
• 人工智能系统具有很高的诊断准确性,为克服当前方法的局限性提供了一个有希望的替代方案.
• 人工智能驱动的CT分析促进了高效和可靠的肉症诊断,可能改善患者管理.