使用超声波放射学和机器学习在养老院居民中增强了对肉眼的检测
Hongbo Fu1, Shuyue Luo1, Yan Zhuo2
1Center of Gerontology and Geriatrics, West China Hospital, Sichuan University, Chengdu, China.
Journal of the American Medical Directors Association
|August 29, 2025
概括
超声波放射学与机器学习相结合, 显著改善了老年人的肉症诊断. 这种非侵入性方法可以提高长期护理机构的查和早期检测.
科学领域:
- 老年学
- 医学成像
- 人工智能
背景情况:
- 使用超声波诊断的准确性有限.
- 长期护理的老年人患上肉症的风险很高.
- 有效查需要新的诊断方法.
研究的目的:
- 评估超声波放射学和机器学习是否能提高症诊断的准确性.
- 将集成模型与传统的超声波参数进行比较.
- 评估养老院居民的使用情况.
主要方法:
- 涉及628名养老院居民的诊断准确性研究.
- 对常规 (MT,EI) 和放射性特征进行分析的大腿肌肉 (ReF,VI,QF) 的超声波.
- 使用集成数据 (放射学,临床信息) 构建和验证的机器学习模型 (包括LR).
主要成果:
- 综合模型实现了高诊断准确度 (ReF的AUC高达0. 85).
- 超声波放射学模型的表现优于传统的参数模型.
- 综合模型与单独的放射学模型相比显示出更高的性能.
结论:
- 超声波放射学与机器学习相结合, 显著提高了肉症诊断的准确性.
- 这种无障碍的,非侵入性的方法对长期护理中的查有希望.
- 基于后勤回归的综合模型表现出强的性能.
