在CT时自动检测间歇性肺异常:外部验证和潜在的识别引力支气管切除症/支气管切除症
Yusei Nakamura1,2, Taiki Fukuda3,4, Kota Aoyagi5
1Center for Pulmonary Functional Imaging, Department of Radiology, Brigham and Women's Hospital and Harvard Medical School, 75 Francis Street, Boston, MA, 02115, USA. ynakamura4@bwh.harvard.edu.
Japanese journal of radiology
|December 10, 2025
概括
一个用于检测间歇性肺异常 (ILA) 的人工智能系统在不同人群中表现强. 它的AI分数与引支气管切除症/支气管切除症的严重程度相关,有助于诊断.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 一个用于检测间歇性肺异常 (ILA) 的人工智能 (AI) 系统已经开发出来.
- 外部验证对于评估人工智能系统在不同人群中的通用性和可靠性至关重要.
- 了解人工智能衍生的指标与特定疾病特征之间的关系,如引支气管/支气管疏通,对于临床应用很重要.
研究的目的:
- 在不同的队伍中对ILA检测进行外部验证AI系统.
- 评估人工智能系统在识别间歇性肺异常方面的稳定性.
- 调查AI衍生的ILA概率得分与引支气管切除症/支气管切除症的严重程度之间的关联.
主要方法:
- 来自鹿特丹研究和AGES-雷克雅未克研究的CT扫描的二次分析.
- 人工智能系统计算了每个CT扫描的ILA概率得分 (AI得分).
- 独立的读者评估ILA和基于共识的推力支气管切除症/支气管切除症严重程度 (TBI) 的评估.
- 使用接收器操作特征 (ROC) 分析和克鲁斯卡尔-瓦利斯测试进行统计分析.
主要成果:
- 人工智能系统实现了高诊断性能,ROC曲线下的面积在鹿特丹研究中为0.841,在AGES-雷克雅未克研究中为0.823.
- 人工智能分数与专家读者对ILA存在和确定性的评估有很强的相关性.
- 较高的AI分数与TBI指出的引支气管切除症/支气管切除症的严重程度增加有显著的关联.
结论:
- 用于ILA检测的AI系统在不同人群中表现出强大的性能和通用性.
- 人工智能衍生的ILA概率得分与引支气管切除症/支气管切除症的严重程度有关.
- 这种经过验证的AI系统有可能有助于评估间歇性肺部疾病.
