基于深度学习的肺部生物年龄估计从健康成年人的胸部计算机断层扫描图像:模型开发和验证研究
Liping Zuo1, Na Zhu2, Bowen Wang1
1Department of Radiology, Qilu Hospital of Shandong University, 107 Wenhua Xilu, Lixia District, Jinan 250012, Shandong, China, 86 18560081629.
JMIR aging
|March 12, 2026
概括
这项研究使用胸部CT扫描开发了估计的肺生物学年龄 (ePBA). 慢性阻塞性肺病 (COPD) 患者的年龄差距 (ePBA减去慢性年龄) 与肺功能减弱和死亡风险增加有关.
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
- 肺病学和呼吸系统医学
背景情况:
- 胸部CT估计的肺生物年龄 (ePBA) 显示出预测疾病进展和死亡率的前景.
- 目前基于CT的ePBA模型缺乏通用性,原因是对不同健康成年人群的培训和验证有限.
研究的目的:
- 开发一个强大的ePBA生物标志物,使用健康成年人的多中心胸部CT数据的深度学习.
- 研究EPBA衍生的年龄差距与慢性阻塞性肺病 (COPD) 患者的肺功能和全因死亡率的关联.
主要方法:
- 利用了11187个健康成年人的胸部CT扫描数据集,用于模型开发和外部验证.
- 使用多个深度学习模型来计算ePBA.
- 分析了138名COPD患者的年龄差距和肺功能 (预测FEV1%) 和全因死亡率之间的相关性.
主要成果:
- 深度学习模型表明ePBA和时间年龄之间存在强烈的相关性.
- 在COPD患者 (rs=-0.18;P=.03) 中,发现年龄差距和1秒内强迫呼气体积减少 (FEV1%预测) 之间存在显著的关联.
- 年龄差异与COPD患者全因死亡风险增加显著相关 (HR: 1.16;95% CI: 1.08-1.25).
结论:
- 一个新的,经过验证的ePBA生物标志物是使用胸部CT扫描的深度学习来开发的.
- 来自ePBA的年龄差异显示了作为评估COPD患者风险的新型临床生物标志物的潜力.
