使用人工智能和放射学预测老年患者住院时间
Lorenzo Fantechi1, Federico Barbarossa2, Sara Cecchini3
1Unit of Nuclear Medicine, IRCCS INRCA, 60127 Ancona, Italy.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
使用CT扫描放射学的机器学习模型可以预测COVID-19患者住院时间. 这些基于放射学的机器学习 (ML) 方法为资源管理提供了准确的预测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 准确预测COVID-19患者住院时间对于资源分配至关重要.
- 放射学,从CT扫描中提取定量特征,结合机器学习 (ML) 提出了一个有前途的预测方法.
研究的目的:
- 适应和利用机器学习架构与CT放射学数据.
- 分析算法预测患者入院时住院时间的能力.
主要方法:
- 168名COVID-19患者的CT肺部图像被细分为隔离地面玻璃区域.
- 在过和重新采样后提取了92个放射学特征,随后使用LASSO进行特征减少.
- 三个ML分类器 (LSVM,MNN,ESD) 经过5倍交叉验证进行了培训和验证.
主要成果:
- 线性支向量机 (LSVM) 实现了最高的精度 (86.0%) 和AUC (0.93).
- 中等神经网络 (MNN) 和集体子空间区分器 (ESD) 也表现出可靠的预测性能.
结论:
- 放射性特征可以成为ML框架的基础,用于预测COVID-19住院时间.
- 基于放射学的ML模型显示了准确预测患者住院时间的潜力.


