预测未来中度至严重功能丧失的风险,使用深度学习模型启用胸部放射学
Kai-Chieh Chen1, Shang-Yang Lee2, Dung-Jang Tsai2,3
1Graduate Institute of Life Sciences, National Defense Medical Center, No.161, Min-Chun E. Rd., Sec. 6, Neihu 114, Taipei, Taiwan, Republic of China.
Journal of imaging informatics in medicine
|April 2, 2025
概括
使用胸部X射线 (CXR) 的深度学习模型 (DLM) 可以预测慢性病 (CKD) 的进展. 这种人工智能工具可以识别高风险患者进行早期干预,改善功能下降的结果.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 慢性病 (CKD) 是一个重要的全球健康问题.
- 早期检测和干预对于控制CKD进展至关重要.
- 现有的预测模型往往需要大量的临床数据.
研究的目的:
- 评估一种深度学习模型 (DLM),用于预测中度至重度功能下降.
- 评估DLM利用原始胸部X射线 (CXR) 数据进行CKD预测的能力.
- 识别高风险人群,以进行有针对性的早期干预.
主要方法:
- 一个DLM被开发和微调使用一个大数据集的79,219名患者.
- 该模型是通过胸部X射线 (CXR) 数据和患者人口统计学来训练的.
- 为了验证,进行了长达5年的追踪后期分析.
主要成果:
- DLM实现了高一致性指数 (C指数) 值 (0.903内部,0.851外部).
- 由DLM识别的高风险群体显示,CKD3b阶段进展率显著更高 (19.2%与0.9%相比).
- DLM准确预测了末期病 (ESRD) /透析和死亡率的风险增加.
结论:
- 使用CXR数据的DLM可以有效地预测CKD3b阶段的进展.
- 这种由人工智能驱动的方法为早期识别有风险的个人提供了有希望的工具.
- 在DLM识别的高风险人群中,早期干预可能会改善患者的治疗结果.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:38Early Detection of Drug-Induced Renal Hemodynamic Dysfunction Using Sonographic Technology in Rats
Published on: March 11, 2016
12.0K
