将AI应用于胸部X光片可改善对先天性心脏病的护理

根据发表在《医学会杂志》(JAMA Cardiology)上的一项新研究，基于深度学习的胸部X射线分析可用于预测先天性心脏病患者的肺与全身血流比率。

尽管超声心动图和MRI可用于评估患者的肺与全身血流比率，但这两种方式都有一定的局限性。作者解释说，X射线是医疗服务提供者的另一种选择，但是评估这种发现通常是“主观的和定性的”。深度学习可以解决这个问题吗?

“以前的研究表明，基于深度学习的方法可用于客观地识别各种成像方式中的疾病或发现，并且其中一项研究表明，基于深度学习的分析可能胜过临床医生，”主要作者Shuhei Toba写道。三重大学大学院医学博士，医学博士及其同事。“鉴于先前研究中显示的深度学习的潜在能力，我们假设基于深度学习的分析可以根据先天性心脏病患者的胸部X线照片定量地预测肺与系统的流量比。”

研究人员在2005年1月1日至2019年4月30日的单一设施中研究了657例患者的数据。然后随机选择78例患者(共100例心脏导管插入术)进行此项研究。

鸟羽等。利用转移学习来开发他们的AI模型，从以前的研究中汲取灵感，以深度学习为基础的分析的有效性。作者总共确定了10个模型，并将其结果与三位儿科心脏病专家的评估进行了比较。

总体而言，深度学习实现的诊断一致性率比三位心脏病专家高得多。在确定高肺与全身血流比率时，任何深度学习模型的最高灵敏度为0.47，最高特异性为0.95，接受者工作曲线(AUC)下的面积为0.88。对于心脏病专家，敏感性为0.11，特异性为0.94，AUC为0.67。

作者指出，这些发现表明，使用深度学习“可以赋予胸部X光片客观和定量的评估。”

“由于我们的模型具有从胸部X线照片定量预测肺与全身血流比率并胜过临床医生的能力，因此，本概念验证研究表明，常规影像学检查中可能存在隐藏信息，深度学习可以识别这些信息，从而增加临床价值”，他们总结道。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！