预测COVID-19肺炎的短期结果使用基于深度学习的自动检测算法 分析连续胸部X射线图的分析
Chae Young Lim1, Yoon Ki Cha1, Kyeongman Jeon2,3
1Department of Radiology, Samsung Medical Center, Sungkyunkwan University School of Medicine, 81 Irwon-ro Gangnam-gu, Seoul 06351, Republic of Korea.
Bioengineering (Basel, Switzerland)
|October 29, 2025
概括
分析胸部放射图的深度学习算法可以预测COVID-19肺炎的短期结果. 基于深度学习的自动检测算法 (DLAD) 的参数变化显示了患者改善或恶化的预后价值.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
- 传染性疾病 传染性疾病
背景情况:
- COVID-19肺炎是一个重大的临床挑战,需要准确的结果预测.
- 连续的胸部放射 (CXR) 对于监测疾病进展至关重要.
- 深度学习算法为医疗成像的自动化分析提供了潜力.
研究的目的:
- 评估基于深度学习的自动检测算法 (DLAD) 在预测COVID-19肺炎患者短期临床结果方面的有效性.
- 为了评估从DLAD推导的参数的预后值,应用于连续CXRs.
- 识别成像生物标志物,以预测患者的改善或恶化.
主要方法:
- 来自391名COVID-19肺炎患者的连续CXR的分析.
- 应用DLAD以使用热图细分来量化整合概率和面积.
- 在成像参数中计算权重面积和变化率 (Δ).
- 开发和评估可克斯比例危险回归模型,用于每日结果预测.
主要成果:
- 从DLAD获得的基线概率和Δ参数 (Δ概率, Δ面积, Δ加权面积) 是显著的预后指标.
- 使用基线概率和Δ权重区域的多变量考克斯模型实现了最佳预测性能 (C指数:0.75).
- 时间依赖的AUROC值从0.74到0.78不等,表明可靠的每日预测准确度.
结论:
- DLAD参数,特别是随时间的变化 (Δ参数),可以有效预测COVID-19肺炎的短期临床结果.
- 这种使用序列CXR的AI驱动方法显示出对患病恶化风险的患者早期鉴定有前途.
- 这些发现支持将DLAD整合到临床工作流程中,以改善患者管理.
