胸部X射线和血液生物标志物的多式融合用于自动化化病分期

科学领域:

• 肺部医学 肺部医学
• 放射学 放射学是一门学科.
• 生物医学工程 生物医学工程

背景情况:

• 纤维性肺部疾病病在全球范围内正在增加,特别是工程石材加工造成的侵袭性形式.
• 目前的诊断依赖于胸部X射线 (CXR),它们具有显著的观察者间变异性,使简单 (SS) 和渐进性巨型纤维化 (PMF) 之间的分期复杂化.

研究的目的:

• 开发和验证一个自动化的多式模式框架,用于病阶段.
• 整合人工智能 (AI),CXR图像和血液生物标志物,以提高诊断准确度.

主要方法:

• 开发了早期,晚期和混合融合架构,结合了深度学习和传统机器学习模型.
• 在94名工程石病患者 (341对CXR和生物标志物样本) 上训练并验证了模型.
• 员工对患者进行5倍交叉验证,以确保可通用性并防止数据泄露.

主要成果:

• 混合和晚期融合模型在疾病分期方面取得了最高的性能,接收器操作特征 (ROC) 曲线 (AUC) 下的面积为0.85.
• 多式人工智能方法显著优于单式CXR (AUC = 0.83) 和生物标志物 (AUC = 0.70) 模型.
• 在区分病阶段方面表现出卓越的表现.

结论:

• 由人工智能驱动的多式联络融合框架显示出超越单式联络病诊断方法的潜力.
• 这种方法可以作为临床医生客观的决策支持工具.
• 促进了更一致的分期和改善了对病的患者管理.