拓放射学在预测粘膜愈合和克罗恩氏病的活动得分使用多任务深度学习
Kaiqiang Tang1, Xinyan Wu1,2, Junlin Li3
1Department of Radiology, Chongqing General Hospital, Chongqing University, Chongqing, 401147, People's Republic of China.
Journal of inflammation research
|December 31, 2025
概括
一个新的深度学习模型使用来自CT扫描的拓放射学来进行克罗恩病 (CD) 活动和粘膜愈合 (MH) 的非侵入性评估. 这种方法可以准确预测疾病状态,为侵入性内镜提供了一个有希望的替代方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 内镜评估是克罗恩氏病 (CD) 活动和粘膜愈合 (MH) 评估的黄金标准.
- 然而,内镜是侵入性的,昂贵的,耗时的.
- 非常需要使用非侵入性,定量方法来评估CD活动和MH.
研究的目的:
- 开发基于拓放射学的多任务深度学习模型.
- 该模型旨在同时预测CD患者的MH状态和内镜活动得分.
主要方法:
- 包括81名CD患者,数据分为培训 (n=60) 和验证 (n=21) 组.
- 拓放射性特征从多相CT肠道学中提取出来.
- 一个多任务深度学习模型被训练用于MH分类和SES-CD回归,结合特征选择和SHAP可解释性.
主要成果:
- 在动脉和门户阶段确定了三个关键的拓特征.
- 该模型在MH预测方面取得了高性能 (AUC 0.938培训,0.875验证).
- 对于SES-CD预测,多任务模型的表现优于具有改进指标的单相模型 (较低的MSE/MAE,较高的R2/C指数).
结论:
- 开发的框架提供了准确的,非侵入性评估的MH和内镜活动在CD.
- 这种临床上可解释的方法显示了CD管理的强大转化潜力.
- 建议在更大的队列中进一步验证以确认强度.
