使用HRCT的定量气道分析来预测患有异常性肺纤维化患者的预后:一项回顾性研究

科学领域:

• 肺部医学 肺部医学
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 纤维性肺部疾病 (FLD) 呈现异质进展,使治疗决策复杂化.
• 准确预测死亡率对于优先考虑抗纤维素治疗至关重要.
• 现有的预后工具可能无法完全捕捉疾病的发展轨迹.

研究的目的:

• 开发和验证人工智能 (AI) 模型SABRE (智能气道生物标记识别引擎),用于预测FLD患者的死亡率.
• 评估SABRE衍生变量是否提供超出传统临床和成像标记的预后信息.
• 为了改善纤维化肺部疾病患者的风险分层.

主要方法:

• 对来自FLD患者的1744个匿名高分辨率CT扫描进行了回顾性分析.
• 使用各种肺部疾病 (n=460) 的数据开发 SABRE AI 模型.
• 气道分支的量化和多变量分析,将SABRE变量与进展和死亡率相关联,并根据临床因素进行调整.

主要成果:

• 基于SABRE的变量独立预测死亡率和疾病进展,即使经过疾病严重程度和传统措施的调整.
• 人工智能模型的预测效用优于现有的深度学习算法.
• 将SABRE与DLCO结合起来显著提高了预后准确性 (AUC为0.852,第一年C指数为0.752).

结论:

• 基于SABRE的变量捕捉了反映疾病进展和病原性的预后信号.
• 人工智能模型提供了超越当前临床和成像评估的宝贵预后信息.
• SABRE有可能完善风险分层,并指导FLD的抗纤维素治疗.