在临床工作中,医生阅读数以千计的CT图像是十分有压力的,人工智能技术可在这个问题上有所帮助。现阶段,CT放射组学和人工智能技术已被用于区分COVID-19与其他肺炎。有学者根据胸部CT图像的不同动态影像表现,将COVID-19分为四个阶段。
考虑到肺部病变按病程演变以及多方位、多角度图像观察的有效性,发表在European Radiology杂志的一项研究首次提出利用动态三维放射组学和临床元数据评估COVID-19患者分期的人工智能框架,这将有助于医院进一步对医疗资源进行有效的规划和管理。
动态三维放射组学分析方法由三种人工智能算法(肺部分割、病灶分割和分期评估人工智能算法)组成,这些算法在520名COVID-19患者的313767张CT图像上进行了训练和测试。该方法使用由肺部和病灶分割算法分割的三维肺部病灶来提取放射组学特征,然后与临床元数据相结合,使用阶段评估算法评估COVID-19患者的可能阶段。使用受试者工作特性曲线下的面积(AUC)、准确性、敏感性和特异性来评价诊断性能。
在520名患者中,有66名患者(平均年龄,57岁±15[标准差];35名女性)接受了测试,包括203次CT扫描。动态三维放射组学分析方法使用了30个特征,包括27个放射组学特征和3个临床特征来评估COVID-19的可能疾病阶段,准确率为90%。对于各阶段的预测,第1阶段的AUC为0.965(95%CI:0.934,0.997),第2阶段的AUC为0.958(95%CI:0.931,0.984),第3阶段的AUC为0.998(95%CI:0.994,1.000),以及第4阶段的AUC为0.975(95%CI:0.956,0.994)。
图 四位患者CT图像上COVID-19的四个阶段。a平扫轴位图像。b冠状面重建图像。第一行代表早期阶段,第二行代表渐进阶段,第三行代表高峰阶段,最后一行代表吸收阶段
本研究表明,研究提出的人工智能框架的诊断性能高,证实了人工智能的动态三维放射组学分析在COVID-19病情预测中的诊断价值,为医院做出适当的资源分配和跟踪治疗反应提供了有价值的参考依据。
原文出处:
Shengping Cai,Yang Chen,Shixuan Zhao,et al.Dynamic 3D radiomics analysis using artificial intelligence to assess the stage of COVID-19 on CT images.DOI:10.1007/s00330-021-08533-1
联系客服