Lancet Digit Health:通过深度学习从普通CT图像中检测肝棘球菌病

2023-11-22 Jenny Ou MedSci原创 发表于上海

EDAM是一个临床适用的人工智能系统,可以提供具有可解释结果的患者级诊断。EDAM的准确性和推广能力表明了其临床使用的潜力,特别是在不发达地区。

棘球菌病是一种人畜共患病寄生虫病,继续是一个重大的公共卫生问题,导致全球约85万残疾调整生命年。棘球菌病主要发生在肝脏,导致棘球菌病,形成肝脏病变,导致残疾甚至死亡。迫切需要将肝棘球菌病与其他常见类型的肝脏病变区分开来,如肝囊肿和将肝棘球菌病分型为肺泡和囊性形式,因为它们有不同的治疗方法和预后。肝棘球菌的流行地区包括东非、中亚、中东和中国西部,特别是这些地区欠发达的农村地区。不幸的是,这些地区面临合格医生和其他医务人员的短缺,增加了肝棘球菌病误诊和错误分类的风险。

CT是检测肝棘球菌病和亚型的重要医学成像技术。与另一种常用的肝棘球菌筛查方法超声检查相比,CT遵循标准化流程并自动工作;因此,它更客观,使医生无需自行执行复杂的程序。CT允许以标准方式捕获疾病相关信息12,与超声波一样,没有经验的操作员不会错过重要功能。

基于标准CT扫描的诊断对放射科医生提出了很高的需求,但人工智能(AI)可用于帮助基于CT扫描的诊断和分型肝棘球菌病。近年来,人工智能辅助的放射诊断技术已大大改进,并已应用于不同疾病的诊断。假设人工智能系统可以增强肝棘球菌病检测和亚型的CT分析,从而缓解医务人员不足和缺乏专业知识的问题。

2023年9月26日发表在Lancet Digit Health的文章,研究人员旨在开发一个人工智能系统(EDAM;棘球菌病诊断AI systeM),用于在患者层面对普通CT图像进行自动肝棘球菌病检测和分型,以减轻农村地区的公共卫生负担,并协助放射科医生和临床医生进行CT图像解释。

为此,研究人员培训并测试了EDAM,以可解释的注意力评分区分囊性棘球菌病和肺泡棘球菌病和正常对照组(无肝脏病变),并将EDAM与52名经验丰富的放射科医生进行了比较。本文设计了EDAM来平衡样本大小和模型复杂性,使其在对相对较小的数据集进行训练时能够实现通用性能。为了进一步评估概括能力,研究人员还用外部验证队列验证了EDAM。

本文开发了棘球菌诊断AI系统EDAM,以提供准确和可推广的CT分析,以区分肝棘球菌病和肝囊肿和正常对照(无肝脏病变),以及将肝棘球菌病亚型为肺泡或囊性棘球菌病。EDAM包括用于病变分类和分割的切片级预测模型以及用于患者分类的患者级诊断模型。

研究人员收集了一个简单的CT数据库(n=700:395囊性棘球菌病、122个肺泡棘球菌病、130个肝囊肿和53个正常对照组),以及另外两个独立的队列(n=156),用于外部验证其性能和泛化能力。研究人员与52名经验丰富的放射科医生在诊断和亚型肝棘球菌病方面的表现进行了比较。

研究结果显示,EDAM在内部测试数据(接收器操作特征曲线下的总体区域[AUC]:0·974 [95% CI 0·936–0·994];准确性:0·952 [0·939–0·965]用于囊肿性棘球菌病,0·981 [0·973–0·989]用于肺泡菌球菌;敏感性:0·966 [0·951–0·979]用于囊性棘球菌病,0·944 [0·908–0·970]用于肺泡菌斑球菌病)和外部测试集(总体AUC:0·953 [95% CI 0·840–0·973]。

本研究中介绍的数据和拟议的深度学习框架EDAM概述

准确性:0·929 [0·915–0·947]用于囊肿性棘球菌病;0·919–0·950]用于肺泡性棘球菌;敏感性:0·913 [0·879EDAM的灵敏度在不同CT制造商的图像中是强大的。EDAM在检测肺泡棘球菌病和囊性棘球菌病方面优于大多数注册放射科医生。

综上所述,本文开发了EDAM来检测和亚型肝棘球菌病,并将其与肝囊肿和正常对照区分开来,其水平比经验丰富的放射科医生更准确。本文的方法可以通过协助放射科医生和临床医生以端到端的方式诊断和筛查肝棘球菌病以及分割病变区域来应用于临床应用,从而弥补欠发达农村地区缺乏经验丰富的放射科医生的缺乏。此外,EDAM的方法可以扩展到其他相关疾病,以满足更多的临床需求。期待在对更多人群的前瞻性研究中测试和完善EDAM,以帮助世界各地一直在努力诊断该疾病的当地卫生工作者。

原始出处

Wang Z, Bian H, Li J, Xu J, Fan H, Wu X, Cao Y, Guo B, Xu X, Wang H, Zhang L, Zhou H, Fan J, Ren Y, Geng Y, Feng X, Li L, Wei L, Zhang X. Detection and subtyping of hepatic echinococcosis from plain CT images with deep learning: a retrospective, multicentre study. Lancet Digit Health. 2023 Nov;5(11):e754-e762. doi: 10.1016/S2589-7500(23)00136-X.

相关资料下载:
[AttachmentFileName(sort=1, fileName=1-s2.0-S258975002300136X-main.pdf)] GetArticleByIdResponse(id=7bf5801e063b, projectId=1, sourceId=null, title=Lancet Digit Health:通过深度学习从普通CT图像中检测肝棘球菌病, articleFrom=MedSci原创, journalId=16623, copyright=原创, creationTypeList=[1], summary=EDAM是一个临床适用的人工智能系统,可以提供具有可解释结果的患者级诊断。EDAM的准确性和推广能力表明了其临床使用的潜力,特别是在不发达地区。, cover=https://img.medsci.cn/202301015/1697393515986_4754896.jpeg, authorId=0, author=Jenny Ou, originalUrl=, linkOutUrl=, content=<p><span style="color: #595959; font-size: 14px;"><span style="color: #3573b9;">棘球菌病</span>是一种人畜共患病寄生虫病,继续是一个重大的<span style="color: #595959;">公共卫生</span>问题,导致全球约85万残疾调整生命年。棘球菌病主要发生在肝脏,导致<span style="color: #595959;">肝</span>内<span style="color: #595959;">棘球菌病</span>,形成肝脏病变,导致残疾甚至死亡。迫切需要将肝棘球菌病与其他常见类型的肝脏病变区分开来,如肝囊肿和将肝棘球菌病分型为肺泡和囊性形式,因为它们有不同的<span style="color: #595959;">治疗方法</span>和预后。肝棘球菌的流行地区包括东非、中亚、中东和中国西部,特别是这些地区欠发达的农村地区。不幸的是,这些地区面临合格医生和其他医务人员的短缺,增加了肝棘球菌病误诊和错误分类的风险。</span></p> <p><span style="color: #595959; font-size: 14px;"><span style="color: #3573b9;">CT</span>是检测肝棘球菌病和亚型的重要医学成像技术。与另一种常用的肝棘球菌筛查方法<span style="color: #595959;">超声检查</span>相比,CT遵循标准化流程并自动工作;因此,它更客观,使医生无需自行执行复杂的程序。CT允许以标准方式捕获疾病相关信息<span style="color: #595959;">12</span>,与超声波一样,没有经验的操作员不会错过重要功能。</span></p> <p><span style="color: #595959; font-size: 14px;">基于标准CT扫描的诊断对放射科医生提出了很高的需求,但<span style="color: #3573b9;">人工智能(AI)</span>可用于帮助基于CT扫描的诊断和分型肝棘球菌病。近年来,人工智能辅助的放射诊断技术已大大改进,并已应用于不同疾病的诊断。假设人工智能系统可以增强肝棘球菌病检测和亚型的CT分析,从而缓解医务人员不足和缺乏专业知识的问题。</span></p> <p><span style="color: #595959; font-size: 14px;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/20231120/1700516567127_8624070.png" /></span></p> <p><span style="color: #595959; font-size: 14px;"><strong><span style="color: #3573b9;">2023年9月26日</span></strong>发表在<em><strong><span style="color: #3573b9;">Lancet Digit Health</span></strong></em>的文章,研究人员旨在开发一个人工智能系统(EDAM;棘球菌病诊断AI systeM),用于在患者层面对普通CT图像进行自动肝棘球菌病检测和分型,以减轻农村地区的公共卫生负担,并协助放射科医生和临床医生进行CT图像解释。</span></p> <p><span style="color: #595959; font-size: 14px;">为此,研究人员培训并测试了EDAM,以可解释的注意力评分区分囊性棘球菌病和肺泡棘球菌病和正常对照组(无肝脏病变),并将EDAM与52名经验丰富的放射科医生进行了比较。本文设计了EDAM来平衡样本大小和模型复杂性,使其在对相对较小的数据集进行训练时能够实现通用性能。为了进一步评估概括能力,研究人员还用外部验证队列验证了EDAM。</span></p> <p><span style="color: #595959; font-size: 14px;">本文开发了棘球菌诊断AI系统<span style="color: #595959;">EDAM</span>,以提供准确和可推广的CT分析,以区分肝棘球菌病和<span style="color: #595959;">肝囊肿</span>和正常对照(无肝脏病变),以及将肝棘球菌病亚型为肺泡或囊性棘球菌病。EDAM包括用于病变分类和分割的切片级预测模型以及用于患者分类的患者级诊断模型。</span></p> <p><span style="color: #595959; font-size: 14px;">研究人员收集了一个简单的CT数据库(n=700:395囊性棘球菌病、122个肺泡棘球菌病、130个肝囊肿和53个正常对照组),以及另外两个独立的队列(n=156),用于外部验证其性能和泛化能力。研究人员与52名经验丰富的放射科医生在诊断和亚型肝棘球菌病方面的表现进行了比较。</span></p> <p><span style="color: #595959; font-size: 14px;">研究结果显示,EDAM在内部测试数据(接收器操作特征曲线下的总体区域[AUC]:0&middot;974 [95% CI 0&middot;936&ndash;0&middot;994];准确性:0&middot;952 [0&middot;939&ndash;0&middot;965]用于囊肿性棘球菌病,0&middot;981 [0&middot;973&ndash;0&middot;989]用于肺泡菌球菌;敏感性:0&middot;966 [0&middot;951&ndash;0&middot;979]用于囊性棘球菌病,0&middot;944 [0&middot;908&ndash;0&middot;970]用于肺泡菌斑球菌病)和外部测试集(总体AUC:0&middot;953 [95% CI 0&middot;840&ndash;0&middot;973]。</span></p> <p><span style="color: #595959; font-size: 12px;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/20231120/1700516792245_8624070.jpg" /></span></p> <p style="text-align: center;"><span style="color: #888888; font-size: 12px;">本研究中介绍的数据和拟议的深度学习框架<span class="topic-link" style="color: #888888;" title="从ScienceDirect的人工智能生成的主题页面了解有关EDAM的更多信息">EDAM</span>概述</span></p> <p><span style="color: #595959; font-size: 14px;">准确性:0&middot;929 [0&middot;915&ndash;0&middot;947]用于囊肿性棘球菌病;0&middot;919&ndash;0&middot;950]用于肺泡性棘球菌;敏感性:0&middot;913 [0&middot;879EDAM的灵敏度在不同CT制造商的图像中是强大的。EDAM在检测肺泡棘球菌病和囊性棘球菌病方面优于大多数注册放射科医生。</span></p> <p><span style="color: #595959; font-size: 14px;">综上所述,本文开发了EDAM来检测和亚型肝棘球菌病,并将其与肝囊肿和正常对照区分开来,其水平比经验丰富的放射科医生更准确。本文的方法可以通过协助放射科医生和临床医生以端到端的方式诊断和筛查肝棘球菌病以及分割病变区域来应用于临床应用,从而弥补欠发达农村地区缺乏经验丰富的放射科医生的缺乏。此外,EDAM的方法可以扩展到其他相关疾病,以满足更多的临床需求。期待在对更多人群的前瞻性研究中测试和完善EDAM,以帮助世界各地一直在努力诊断该疾病的当地卫生工作者。</span></p> <p><span style="color: #888888; font-size: 12px;">原始出处</span></p> <p><span style="color: #888888; font-size: 12px;">Wang Z, Bian H, Li J, Xu J, Fan H, Wu X, Cao Y, Guo B, Xu X, Wang H, Zhang L, Zhou H, Fan J, Ren Y, Geng Y, Feng X, Li L, Wei L, Zhang X. Detection and subtyping of hepatic echinococcosis from plain CT images with deep learning: a retrospective, multicentre study. Lancet Digit Health. 2023 Nov;5(11):e754-e762. doi: 10.1016/S2589-7500(23)00136-X.</span></p> <p><!-- notionvc: 9179df5d-c580-423a-84d4-ed981c857f7b --></p>, belongTo=, tagList=[TagDto(tagId=967, tagName=CT), TagDto(tagId=16297, tagName=深度学习), TagDto(tagId=483330, tagName=亚型肝棘球菌)], categoryList=[CategoryDto(categoryId=9, categoryName=传染科, tenant=100), CategoryDto(categoryId=69, categoryName=检验病理, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=1, paymentType=1, paymentAmount=0, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=1680, appHits=11, showAppHits=0, pcHits=21, showPcHits=1669, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Wed Nov 22 17:16:00 CST 2023, publishedTimeString=2023-11-22, pcVisible=1, appVisible=1, editorId=6556074, editor=传染科新前沿, waterMark=0, formatted=0, deleted=0, version=6, createdBy=dac48624070, createdName=JennyOu, createdTime=Tue Nov 21 05:47:34 CST 2023, updatedBy=92910, updatedName=rayms, updatedTime=Sat Jan 06 13:13:21 CST 2024, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=1-s2.0-S258975002300136X-main.pdf)])
1-s2.0-S258975002300136X-main.pdf
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2170220, encodeId=1dbf21e022063, content=<a href='/topic/show?id=c83253e4c4' target=_blank style='color:#2F92EE;'>#CT#</a> <a href='/topic/show?id=e4cb6612395' target=_blank style='color:#2F92EE;'>#深度学习#</a> <a href='/topic/show?id=b84610e70757' target=_blank style='color:#2F92EE;'>#亚型肝棘球菌#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=32, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=5374, encryptionId=c83253e4c4, topicName=CT), TopicDto(id=107707, encryptionId=b84610e70757, topicName=亚型肝棘球菌), TopicDto(id=66123, encryptionId=e4cb6612395, topicName=深度学习)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed Nov 22 13:16:34 CST 2023, time=2023-11-22, status=1, ipAttribution=上海)]

相关资讯

Eur J Radiol:CT对局部晚期胰腺癌多药诱导化疗手术可切除性的预测价值

胰腺癌术前分期、可切除性评估和手术切缘阳性风险的首选方式是采用双期相胰腺扫描方案、薄层和三维重建获得的多期相增强计算机断层扫描(CT)。

非必要不做CT!Nature子刊:多国超94万人数据,每多做一次CT,患这种癌症的风险高43%

Nature Medicine:每增加100mGy的辐射剂量,罹患全血液恶性肿瘤的风险升高96%;但即使在低剂量(10-15mGy)的情况下,依然会增加非霍奇金淋巴瘤和成熟 B 细胞肿瘤的风险。

Eur J Trauma Emerg Surg:儿童和青少年小腿远端骨折需要做CT吗?

在儿童和青少年时期,计算机断层扫描(CT)经常用于下肢远端和上脚踝关节损伤的高级诊断。由于辐射暴露,CT的必要性仍然存在争议。

Nature Med | CT带来的辐射积累可能增加儿童/青少年白血病风险

对9个欧洲国家的近100万名22岁前接受过CT检查的人进行了多国队列(EPI-CT)随访,发现儿童和青少年进行CT检查后,即使在较低剂量范围内也存在患血液肿瘤的风险升高,包括淋巴瘤和骨髓瘤。

academic radiology:基于深度学习的超分辨率图像重建技术对CT的影响

基于深度学习的超分辨率图像重建(DLSRR)已开发为冠状动脉CT血管成像(CCTA)的一种新型图像重建技术,有望减少噪声并提高空间分辨率。

胸部CT在稳定期慢阻肺中的应用,不可错过点击立即查看

胸部CT在稳定期慢阻肺中的应用,量表分享。