相关实验视频
Updated: May 2, 2026

10:08
Pseudofracture: An Acute Peripheral Tissue Trauma Model
Published on: April 18, 2011
14.7K
FRID-PI:一种基于F-FDG PET/CT和炎症标志物的机器学习模型,用于诊断骨折相关的感染
Mei Yang1, Quanhui Tan1, Tingting Li1
1Department of Infectious Diseases, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Frontiers in medicine
|April 10, 2025
概括
这项研究开发了使用18F-FDG PET/CT扫描和炎症标志物的骨折相关感染 (FRI) 的新诊断工具. 该FRID-PE模型准确识别FRI,改善患者的诊断和护理.
科学领域:
- 核医学就是核医学.
- 传染性疾病 传染性疾病
- 机器学习 机器学习
背景情况:
- 诊断骨折相关感染 (FRI) 是具有挑战性的,特别是在缺乏明显临床症状的患者中.
- 错误诊断FRI可能导致严重的并发症和不良的患者结果.
研究的目的:
- 为FRI创建和验证一种新的诊断名录.
- 诺米图集18F-FDG PET/CT成像和实验室生物标志物使用机器学习.
主要方法:
- 使用机器学习方法分析了552名患者的数据.
- 用LASSO和多变量考克斯回归来确定FRI的预测因素.
- 用ROC曲线,校准和决策曲线分析来评估模型性能.
主要成果:
- 结合SUVmax,SII,IL-6和ESR的FRID-PE nomogram,获得了0.823 (训练) 和0.811 (验证) 的AUC.
- 校准和决策曲线分析证实了该模型的临床实用性.
- 为方便临床应用,开发了一个在线网络服务器.
结论:
- 开发了一种新的诊断模型 (FRID-PI),将18F-FDG PET/CT (SUVmax) 和炎症标志物 (SII,IL-6,ESR) 结合起来用于FRI诊断.
- 该模型展示了强大的诊断性能和临床使用潜力,用于管理FRI.

