自动COPD-一种新且实用的机器学习模型,用于使用全肺启发性定量CT测量检测COPD:一个回顾性多中心研究
Fanjie Lin1, Zili Zhang1, Jian Wang1,2
1State Key Laboratory of Respiratory Disease, Guangdong Key Laboratory of Vascular Disease, National Clinical Research Center for Respiratory Disease, National Center for Respiratory Medicine, Guangzhou Institute of Respiratory Health, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, Guangdong, PR China.
一种新的定量计算机断层扫描 (QCT) 模型,AutoCOPD,有效地检测慢性阻塞性肺病 (COPD),仅使用十个特征. 这种工具对早期诊断充满希望,改善患者的治疗结果,减少临床实践中的延迟诊断.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医学成像分析 医学成像分析
背景情况:
- 在全球范围内,慢性阻塞性肺病 (COPD) 诊断率很低.
- 定量计算断层扫描 (QCT) 参数为COPD的呼吸道和肺外皮膜变化提供了宝贵的见解.
- 这项研究的重点是用于COPD检测的全肺启发性CT模型.
研究的目的:
- 评估QCT特征在检测COPD方面的性能.
- 开发和验证使用QCT检测COPD的新型多式联络框架.
- 评估开发模型在各种临床环境中的可通用性和可行性.
主要方法:
- 一个多中心的回顾性研究,涉及4106名参与者.
- 使用 eXtreme梯度提升和混合特征选择开发多式模式框架.
- 使用导出和三个外部队列的验证,包括国家肺部查试验 (NLST) 用于低剂量CT扫描.
主要成果:
- 具有十个QCT特征的AutoCOPD模型在内部验证中实现了0.860的AUC.
- 外部验证表明,在多个队列中进行了优秀的歧视 (AUC从0.881到0.915不等).
- 决策曲线分析证实了AutoCOPD在各种COPD风险值的临床实用性.
结论:
- 自动COPD模型有效地使用有限的QCT特征集识别异质性COPD.
- 该模型显示了早期检测轻度或无症状COPD的潜力,解决了延迟诊断的问题.
- 自动COPD是例行实践的可行工具,可以在临床环境中概括.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
08:25Combining Volumetric Capnography And Barometric Plethysmography To Measure The Lung Structure-function Relationship
Published on: January 8, 2019
相关概念视频
Chronic Obstructive Pulmonary Disease-IV: Assessement and Diagnostic Studies
Medical History
Chronic Obstructive Pulmonary Disease-I: Introduction
