通过人工智能量化和分析Nintedanib治疗渐进性肺纤维化患者的肺部参与

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:

• 渐进性肺纤维化 (PPF) 会导致不可逆转的肺损伤和功能衰退.
• 丁丁达尼布是一种抗纤维素药物,但缺乏敏感的定量工具来评估其有效性.
• 人工智能驱动的定量计算断层扫描 (AI-QCT) 可能为监测治疗反应提供解决方案.

研究的目的:

• 评估AI-QCT用于监测PPF患者的肺部变化,这些患者接受了任天达尼布治疗.
• 评估AI-QCT在预测治疗结果和疾病进展方面的潜力.
• 为了将AI-QCT的发现与肺功能测试相关联.

主要方法:

• 对37名PPF患者进行了回顾性分析,这些患者接受了任天达尼布治疗一年.
• 使用3D切片器的AI-QCT量化了肺透,崩和血管体积.
• 与肺功能测试 (FVC,DLCO) 和基线预测指标ROC分析的相关性.

主要成果:

• AI-QCT显示,治疗后右肺透率显著降低 (p=0.041).
• 全肺透和功能参数 (FVC,DLCO) 没有显著变化.
• 基线透肺体积>21.90%预测持续进展 (AUC=0.767).

结论:

• AI-QCT可以识别PPF中对nintedanib的多种类型的辅酶反应.
• AI-QCT提供了初步预测价值,可能增强功能性测量.
• 需要进一步的多中心验证来确定临床效用和值.