基于胸部CT的预后COVID-19严重程度模型的开发和多中心外部验证
Ine Dirks1,2, Matías Nicolás Bossa3, Abel Díaz Berenguer3
1Department of Electronics and Informatics (ETRO), Vrije Universiteit Brussel (VUB), Pleinlaan, Brussels, 1050, Belgium. ine.dirks@vub.be.
BMC medical informatics and decision making
|April 1, 2025
概括
使用胸部计算机断层扫描 (CT) 功能和患者数据的新模型可以预测严重的COVID-19. 该工具提供了快速的风险分层,以帮助临床决策和资源分配在高发病率时期.
科学领域:
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 对COVID-19患者的有效风险分层对于及时的治疗决策,医院资源分配和患者管理至关重要.
- 一个单一来源的数据模型可以在疾病发病率高的时期提供有效的决策支持.
研究的目的:
- 开发和验证一个预后模型,以在一个月内识别COVID-19患者的严重疾病风险.
- 评估模型在大流行不同阶段的表现,包括各种SARS-CoV-2变种的流行率.
主要方法:
- 使用患者年龄,性别和从胸部计算机断层扫描 (CT) 扫描中提取的成像特征,开发了一个后勤回归模型.
- 该模型在COVID-19 (STOIC) 挑战数据集中的胸部CT研究中接受了训练,并通过独立的内部和外部多中心数据集进行了验证.
- 绩效被单独评估在delta和omicron变种主导之前和期间获得的数据.
主要成果:
- 使用手工制作的功能进行的逻辑回归与深度学习方法相比,提供了更简单的解决方案.
- 预测特征包括病变和肺瘤特征,以及患者的年龄和性别.
- 该模型在挑战测试组中达到0.78的曲线下面积 (AUC),在外部测试组中达到0.74的曲线下面积 (AUC),在不同的流行时期保持稳定的表现.
结论:
- 胸部CT特征和元数据可用于后勤回归模型,以快速估计短期COVID-19严重程度,从而提供决策支持.
- 该模型的持续性表现表明其具有无临床整合的潜力,特别是在COVID-19激增期间早期决策和资源优化.
- 这项研究为使用易于获得的成像数据在呼吸道感染中的预后建模奠定了基础.
