阻塞性睡眠呼吸暂停的预测建模使用喉MRI放射学和临床数据
Yibin Chen1,2, Heng Xiao1,2,3, Min Huang1,2
1Department of Otorhinolaryngology Head and Neck Surgery, the First Affiliated Hospital, Fujian Medical University, Fuzhou, China.
概括
结合MRI放射学和临床数据,可以更好地检测重度阻塞性睡眠呼吸暂停 (OSA). 这种非侵入性方法提高了诊断准确度,以更好地管理患者.
科学领域:
- 医疗成像医学成像
- 无线电学 (Radiomics) 是一种辐射学.
- 睡眠医学 睡眠医学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 诊断依赖于多睡眠学,这是资源密集的.
- 喉膜MRI为OSA评估提供一种非侵入性成像方式.
- 医学图像的放射学分析可以提取用于预测建模的定量特征.
研究的目的:
- 评估结合喉MRI放射学和临床数据的模型的预测性能.
- 要区分严重的和不严重的阻塞性睡眠呼吸暂停 (OSA).
主要方法:
- 包括106名患有不同程度的OSA严重程度 (AHI<30对≥30) 的患者.
- 从喉MRI扫描中提取了放射性特征.
- 机器学习模型 (LR,SVM,RF,GBM) 使用放射学和临床 (年龄,BMI) 数据进行训练.
主要成果:
- 组合模型在区分OSA严重性方面明显优于仅使用放射学模型的模型.
- 后勤回归 (LR) 组合模型实现了最高的性能 (AUC=0.82,F1=0.80).
- 通过缩小维度技术确定了放射学关键特征.
结论:
- 将MRI放射学与临床数据相结合,为OSA严重性分类提供了一个强大的,非侵入性的工具.
- 这种综合方法有望改善OSA管理中的临床决策.
- 进一步的验证可能会将这种方法作为一种有价值的诊断辅助工具.
