通过专家阅读器提供的CT功能来分类肺高血压的机器学习工具:非专用放射科医生的教育资源

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
• 心血管疾病 心血管疾病

背景情况:

• 肺高血压 (PH) 是一种复杂的疾病,根据ESC/ERS指南将其分为五组.
• 胸部对比增强计算机断层扫描 (CECT) 对于非侵入性PH评估至关重要.
• 精确的PH分类对于适当的患者管理至关重要.

研究的目的:

• 开发基于机器学习 (ML) 的教育资源,用于使用CECT.来分类PH病例.
• 根据已建立的ESC/ERS群组 (I-V) 分类PH.
• 创建一个工具,以帮助非侵入性评估PH.

主要方法:

• 两家医院对172名PH患者的CET扫描进行了回顾性分析.
• 三名放射科医生对CECT进行了独立审查,提取了13个特征并分配了PH组概率得分.
• 使用Weka软件开发和测试各种ML算法 (例如,Naïve-Bayes),通过精度,AUROC和F1-score来评估性能.

主要成果:

• 在排除了三名V组患者后,天真贝叶斯算法实现了0.72准确度,0.84AUROC和0.72F1得分.
• 具体的性能指标在PH组I-IV之间有所不同,AUROC值通常很高 (0.78-0.87).
• 该研究证明了使用ML用于从CECT数据中进行PH分类的可行性.

结论:

• 这是第一个通过胸部CECT创建ML工具来通过胸部CECT进行PH分类的研究.
• 开发的资源有潜力培训放射科医生PH分类,支持多学科决策.
• 为了提高该工具的性能指标,需要进一步改进,包括更大的数据集.