在患有类风湿性关节炎的患者中,基于nnUnet的手腕关节综合炎体积的自动定量:可行性研究
Bingjing Zhou1,2, Su Wu1,2, James Francis Griffith1,2
1Department of Imaging and Interventional Radiology, The Chinese University of Hong Kong, Hong Kong, 999077, China.
Radiology advances
|March 13, 2026
概括
一个自动化模型使用MRI准确量化了关节综合炎在类风湿性关节炎 (RA) 患者的体积. 这种人工智能工具显示出对RA突炎的有效和可靠的临床评估的希望.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 类风湿病学 类风湿病学
背景情况:
- 关节炎是类风湿性关节炎 (RA) 中的主要炎症指标.
- 比半定量方法提供更好的患者结果相关性,但是劳动密集型.
- 开发用于突炎量化的自动化工具对于有效的RA管理至关重要.
研究的目的:
- 开发和验证一个自动化模型,用于对手腕突组织体积进行细分和定量.
- 使用后对比脂肪抑制的T1加权MRI进行准确的突体积测量.
- 建立可靠的人工智能驱动的方法来评估与RA相关的突炎.
主要方法:
- 一个卷积神经网络 (nnU-Net) 框架被训练和验证,使用来自早期RA患者的295个MRI数据集.
- 由单个观察员进行的手动细分是培训和验证的参考标准.
- 该模型的概括性在来自两个不同的成像中心的45个外部数据集上进行了测试.
主要成果:
- 与手动细分相比,自动化模型实现了0.75 ± 0.11的平均Sørensen-Dice相似系数 (DSC).
- 在中度 (0.80 ± 0.06) 和严重 (0.84 ± 0.05) 突炎患者中观察到更高的DSC值.
- 在预测和手动细分的突炎体积之间发现了很好的一致性 (皮尔森相关性:r = 0.975,P < .001),在外部数据上表现一致.
结论:
- 一个完全自动化的模型有效量化了手腕突组织体积,证明了与手动细分的良好一致性.
- 该模型在外部数据集上保持性能,表明其可通用的适用性.
- 这种自动化方法有可能用于临床研究和未来在RA患者护理中的实际实施.
