在克罗恩病中预测粘膜愈合:基于肠道超声波图像的深度学习模型的开发

科学领域:

• 胃肠病学 胃肠病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在克罗恩病 (CD) 中预测治疗反应对于优化治疗方案至关重要.
• 目前缺乏用于预测CD治疗反应的模型.
• 肠道超声波 (IUS) 图像可能包含有价值的信息来预测治疗结果.

研究的目的:

• 开发一种深度学习模型,用于预测CD患者的粘膜愈合.
• 为了利用基线肠道超声波 (IUS) 图像和临床数据进行预测.
• 评估开发的深度学习模型的准确性.

主要方法:

• 使用来自190名CD患者的1548张IUS图像开发了一个卷积神经网络模型.
• 该模型在培训队列中接受了培训,并使用五重内部交叉验证进行了验证.
• 该模型的有效性进一步在一个单独的试验队列上进行了测试.

主要成果:

• 深度学习模型在测试队列中实现了0.73的曲线下的平均面积 (AUC).
• 该模型的灵敏度为68.1%,特异性为69.5%.
• 分析显示,该模型主要使用来自肠壁,血清面和中腔的信息.

结论:

• 基于IUS图像的深度学习模型可以以显著的准确性预测CD中的粘膜愈合.
• 该模型使用预治疗IUS图像预测治疗反应的能力是有希望的.
• 进一步的多中心验证与现实世界的数据是必要的,以增强模型.