开发一个深度学习放射学模型,将腰部CT,多序MRI和临床数据结合起来,以预测腰部融合后高风险子沉降:一项回顾性多中心研究

科学领域:

• 脊柱外科手术 脊柱外科手术
• 医学成像分析分析 医学成像分析
• 机器学习在医疗保健中的应用

背景情况:

• 子沉降 (CS) 是腰部融合后的一个并发症.
• 预测CS风险对于患者管理和手术结果至关重要.

研究的目的:

• 开发和验证高风险CS患者的预测模型.
• 整合临床数据,深度学习放射学和放射学特征.

主要方法:

• 分析了三个中心305名患者的手术前CT和MRI数据.
• 使用3D视觉转换器和LASSO回归来进行特征选择的深度学习模型的开发.
• 创建一个物流回归模型,结合临床和放射性特征.

主要成果:

• 一个组合模型选择了11个传统的放射性特征,5个深度学习的放射性特征和1个临床特征.
• 该模型实现了高预测性能,AUC为0.941 (训练),0.832 (验证) 和0.935 (测试).
• 开发的模型表现优于经验丰富的外科医生的预测.

结论:

• 成功开发了一种强大的 CS 后腰部融合的强大预测模型.
• 该模型整合了临床和成像数据,以识别高风险患者.
• 这种工具可以增强临床决策,并可能降低修复手术率.