深度学习算法用于在轴性脊柱关节炎中半量化脊柱炎症
Yingying Lin1,2, Ho Yin Chung3, Cao Peng1
1Department of Diagnostic Radiology, The University of Hong Kong, Hong Kong, Hong Kong.
RMD open
|January 16, 2026
概括
一个新的深度学习算法准确量化了轴性脊柱关节炎 (SpA) 患者的脊柱炎症. 这种人工智能工具与人类评分具有很高的一致性,为改进半定量评估提供了潜力.
科学领域:
- 医疗成像中的人工智能
- 风湿病学和肌肉骨疾病
- 放射学和诊断成像 放射学和诊断成像
背景情况:
- 轴性脊柱关节炎 (SpA) 是一种影响脊柱的慢性炎症性疾病.
- 准确的脊柱炎症半量化对于诊断和监测至关重要.
- 当前的评估方法可能是主观的,耗时的.
研究的目的:
- 开发和验证一个深度学习算法,用于在轴向SPA中半量化脊柱炎症.
- 评估算法的性能与人类专家评分对比.
主要方法:
- 开发了两个深度学习模型 (基于Unet的注意力) 用于脊柱炎症检测和定位.
- 利用了来自330名轴性脊柱关节炎患者的全脊柱MRI数据.
- 通过使用类内相关系数 (ICC),皮尔森系数,灵敏度,特异性和子系数评估模型性能,与三个人类读者的加拿大脊椎关节炎研究联盟 (SPARCC) 评分进行比较.
主要成果:
- 深度学习管道与人类读者达成了高度一致 (ICC=0.80,Pearson=0.82).
- 在识别脊柱炎症方面表现强 (灵敏度=0.90,特异性=0.84).
- 实现了0.81的椎体 (VB) 和0.80的椎间盘 (IVD) 的子系数.
结论:
- 开发的深度学习算法显示出可靠的半定量评估轴向SPA脊柱炎症的显著潜力.
- 该算法的高一致性与人类评分表明它可以帮助临床实践.
- 这种人工智能驱动的方法可能会提高脊柱炎症评估的效率和客观性.
