应用人工智能在腹部CT上量化身体组成,更好地预测脏移植等待名单死亡率
Karim Yatim1, Guilherme T Ribas2, Daniel C Elton3
1Department of Medicine, Division of Nephrology, Massachusetts General Hospital, Boston, Massachusetts.
Journal of the American College of Radiology : JACR
|March 5, 2025
概括
人工智能可以从CT扫描中提取身体组成数据,以预测脏移植等待名单死亡率. 骨髓炎和动脉样硬化与增加的死亡风险有关,当与现有得分相结合时,改善生存预测.
科学领域:
- 放射学 放射学是一门学科.
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能的人工智能
背景情况:
- 对移植候选人的腹部CT扫描提供尚未开发的身体成分数据.
- 目前的预后模型往往排除身体组成,因为在常规测量中的挑战.
- 人工智能 (AI) 可以自动提取这些有价值的数据.
研究的目的:
- 调查AI是否可以从腹部CT扫描中准确量化身体组成.
- 为了确定人工智能衍生的身体组成数据是否可以预测移植候选人的5年等候名单死亡率.
- 将身体组成数据的预测性能与现有的预期移植后生存指数 (EPTS) 进行比较.
主要方法:
- 对899名移植候选人的回顾性观察性研究 (2007-2017年).
- 深度学习模型量化了身体组成 (脂肪,大动脉化,骨密度,肌肉质量).
- 后勤回归比较了身体组成数据和EPTS来预测5年等候名单死亡率.
主要成果:
- 骨髓炎和大动脉/腹部化增加与更高的5年等待名单死亡率有关.
- 人工智能衍生成像参数显示出与EPTS类似的预测性能 (AUC 0.70与0.67).
- 将身体组成数据与EPTS结合起来,略有改善了生存预测 (AUC 0.72).
结论:
- 在移植候选人中,从CT扫描中自动量化身体成分是可行的.
- 骨髓炎和动脉样硬化是5年等候名单死亡率的重要预测因素.
- 人工智能增强的身体成分分析可以增强现有的模型,以改善预后.
