自慰群交第一页女|日本不卡在线优物视频|久久夜色精品国产亚洲AV老牛|538国产精品视频
首頁(yè)
高端國(guó)際醫(yī)療保險(xiǎn)
國(guó)內(nèi)臨床醫(yī)學(xué)專家
境外高端醫(yī)療服務(wù)
按疾病分類
- 胰腺癌
- 肺癌
- 血液病
- 乳腺癌
- 卵巢癌
- 淋巴瘤
- 黑色素瘤
- 肝癌
- 腎癌
- 膀胱癌
- 前列腺癌
- 宮頸癌
- 腦癌
- 艾滋病
- 食管癌
- 胃腸道腫瘤
- 阿爾茨海默病
- 癲癇
- 高血壓及糖尿病
- 失明
- 帕金森氏病
- 新冠肺炎
- 其它
按科技分類
- 靶向藥治療
- 選擇性抑制劑療法
- 免疫細(xì)胞療法
- CAR-T細(xì)胞療法
- 基因編輯療法
- 疫苗
- 基因檢測(cè)
- 硼中子俘獲療法
- 質(zhì)子重離子治療
- 其它
按疾病分類
磨玻璃型肺腺癌AI研究成果發(fā)表,推想持續(xù)引領(lǐng)肺癌診療智能化落地
2023-03-22
來(lái)源:中國(guó)網(wǎng)
近日,推想醫(yī)療與北京大學(xué)人民醫(yī)院胸外科、放射科合作的論文“Artificial-intelligence-based computed tomography histogram analysis predicting tumor invasiveness of lung adenocarcinomas manifesting as radiological part-solid nodules”發(fā)表于Frontiers in Oncology期刊。這項(xiàng)研究利用基于AI技術(shù)的自動(dòng)化CT直方圖分析,探索有效區(qū)分不同病理程度的亞實(shí)性肺癌(又稱磨玻璃型肺癌)的臨床和放射學(xué)指標(biāo),構(gòu)建部分實(shí)性結(jié)節(jié)(PSNs)病理侵襲性預(yù)測(cè)模型,以期在臨床治療決策中發(fā)揮重要作用。
攻克肺部亞實(shí)性結(jié)節(jié)精準(zhǔn)影像學(xué)評(píng)估難題
隨著低劑量胸部計(jì)算機(jī)斷層掃描(CT)在肺癌篩查中廣泛應(yīng)用,亞實(shí)性結(jié)節(jié)(SSNs)越來(lái)越多地被發(fā)現(xiàn),成為胸外科臨床工作的重要組成部分。根據(jù)是否有實(shí)性成分的存在,亞實(shí)性結(jié)節(jié)分為純磨玻璃結(jié)節(jié)(pGGN)和部分實(shí)性結(jié)節(jié)(PSN)。
病理學(xué)分類中,原位腺癌(AIS),微浸潤(rùn)腺癌(MIA),侵襲性腺癌(IAC)在CT圖像上均可表現(xiàn)為持續(xù)性部分實(shí)性結(jié)節(jié)。不同的肺癌病理亞型意味著不同的手術(shù)切除方案,因此針對(duì)PSN的精準(zhǔn)影像學(xué)評(píng)估在臨床上顯得尤為重要,尤其是在手術(shù)切除范圍評(píng)估上。
目前專門針對(duì)部分實(shí)性結(jié)節(jié)病理浸潤(rùn)的研究較少,相關(guān)研究多采用較為耗時(shí)的人工分割感興趣區(qū),這種方法在一定程度上限制其在現(xiàn)實(shí)臨床應(yīng)用場(chǎng)景中的應(yīng)用。
近年來(lái),醫(yī)學(xué)圖像的數(shù)字化處理成為當(dāng)前的研究熱點(diǎn),CT信息的定量分析促進(jìn)了對(duì)肺結(jié)節(jié)內(nèi)部結(jié)構(gòu)的認(rèn)識(shí)。特別是以深度學(xué)習(xí)為代表的人工智能技術(shù)在醫(yī)學(xué)影像領(lǐng)域得到了廣泛的應(yīng)用,基于CT圖像的肺結(jié)節(jié)篩查、分析和診斷已進(jìn)入精準(zhǔn)化、智能化時(shí)代,肺結(jié)節(jié)的臨床診斷流程和效率得到了極大的提高。
構(gòu)建并驗(yàn)證基于CT直方圖特征的預(yù)測(cè)模型
此次研究確定了2014年1 2019年10 在北大人民醫(yī)院胸外科 術(shù)切除的表現(xiàn)為PSNs的肺腺癌,通過綜合病理學(xué)評(píng)估,腫瘤被分為腺癌原位癌 ( AIS )、微 浸潤(rùn)性腺癌 ( M I A )和浸潤(rùn)性腺癌 ( IAC )。
所有患者的胸部CT圖像經(jīng)相同成像采集參數(shù)進(jìn)行采集,其薄層圖像傳輸至推想肺結(jié)節(jié)人工智能輔助診斷系統(tǒng)InferRead CT Lung進(jìn)行自動(dòng)檢測(cè),獲得整個(gè)亞實(shí)性結(jié)節(jié)中每個(gè)CT值對(duì)應(yīng)的體素?cái)?shù),搭建CT直方圖并計(jì)算出直方圖的相關(guān)指標(biāo)。與此同時(shí),系統(tǒng)自動(dòng)檢測(cè)和識(shí)別的典型影像學(xué)征象,后經(jīng)兩名放射科醫(yī)生確認(rèn),作為形態(tài)學(xué)指標(biāo),包括分葉征、毛刺征和胸膜牽拉征。
基于 InferRead CT Lung獲取CT直方圖參數(shù)
研究將數(shù)據(jù)集以7:3劃分為訓(xùn)練集和測(cè)試集,在訓(xùn)練集人群中,基于AI測(cè)量與識(shí)別的直方圖特征與影像征象,在放射科醫(yī)生核實(shí)的基礎(chǔ)上,通過單因素邏輯回歸分析評(píng)估優(yōu)勢(shì)比(OR)并評(píng)估各個(gè)參數(shù)特征預(yù)測(cè)IAC風(fēng)險(xiǎn)的能力。在單變量分析中選擇的 p值 <0.1的特征變量進(jìn)行多變量分析,終采用具有顯著臨床意義的變量和多因素邏輯回歸分析中p值<0.05的特征參數(shù)建立臨床特征模型(模型1)、直方圖特征模型(模型2)和兩者融合模型(模型3)。
預(yù)測(cè)模型在訓(xùn)練集中進(jìn)行了10倍交叉驗(yàn)證,在測(cè)試集中進(jìn)行獨(dú)立驗(yàn)證,為了比較不同預(yù)測(cè)模型的判別能力,采用受試者操作特征曲線(ROC)、曲線下面積(AUC)、赤池信息準(zhǔn)則(AIC)和貝葉斯信息準(zhǔn)則(BIC)指標(biāo)進(jìn)行評(píng)價(jià)。AUC值越高,AIC/BIC的比值越大說明模型的判別能力越強(qiáng)。
在評(píng)估PSN的成像指標(biāo)時(shí),納入了密度、體積、質(zhì)量和實(shí)性成分百分比等三維指標(biāo),分葉征、毛刺征、胸膜牽拉征等形態(tài)學(xué)指標(biāo),以及方差、峰度、偏度和熵密度等直方圖相關(guān)的度量指標(biāo)。人工智能系統(tǒng)通過計(jì)算亞實(shí)性結(jié)節(jié)中每個(gè)CT值對(duì)應(yīng)的體素?cái)?shù)實(shí)現(xiàn)其CT直方圖構(gòu)建,進(jìn)而基于代碼與相應(yīng)的公式實(shí)現(xiàn)了方差、偏度、峰度、熵等密度直方圖相關(guān)指標(biāo)的自動(dòng)計(jì)算。
將臨床信息、3D影像學(xué)指標(biāo)、形態(tài)學(xué)征象、密度直方圖相關(guān)指標(biāo)納入多因素logistic回歸分析。根據(jù)平均密度和體積計(jì)算PSN的質(zhì)量。此外,PSN整體的三維度量指標(biāo)與實(shí)性成分之間存在多重共線性,一般代表PSN的侵襲性。為了避免多重共線性對(duì)多元分析的影響,考慮到PSN的實(shí)性成分往往與組織學(xué)侵襲性生長(zhǎng)的比例相對(duì)應(yīng),在后續(xù)分析中排除了質(zhì)量相關(guān)的度量指標(biāo),優(yōu)先選擇實(shí)性組分的三維度量指標(biāo)進(jìn)行分析。
多因素Logistic回歸分析結(jié)果顯示,實(shí)性平均密度(優(yōu)勢(shì)比OR值為1.015; 95 % CI, 1.004-1.027, p = 0.009)、實(shí)性體積( OR值為1.085; 95 % CI, 1.028-1.143, p = 0.003)、直徑( OR值為1.183; 95 % CI, 1.085-1.291, p <0.001)、方差( OR值為0.605; 95 % CI, 0.410-0.893, p = 0.011)、熵( OR值為2.008; 95 % CI, 2.750 ~ 7.717; p = 0.039)是PSN病理侵襲性為IAC的獨(dú)立危險(xiǎn)因素。
臨床特征模型結(jié)合了具有臨床意義的結(jié)節(jié)直徑和CT征象(毛刺征和胸膜牽拉征),直方圖模型包括AI衍生的直方圖特征,這些特征是侵襲性的獨(dú)立預(yù)測(cè)因子(方差、熵、實(shí)性成分的平均密度和實(shí)性成分的體積),將自變量納入臨床特征模型和直方圖模型得到二者的融合模型。
在三個(gè)模型中,校準(zhǔn)曲線在訓(xùn)練集和驗(yàn)證集中 IAC的預(yù)測(cè)概率和實(shí)際觀察概率之間表現(xiàn)出良好的一致性。盡管臨床模型在訓(xùn)練集和驗(yàn)證集中表現(xiàn)出更好的AIC和BIC值,但從AUC值的比較來(lái)看,直方圖模型 (AUC=0.892)與臨床特征模型 (AUC=0.852)和融合模型 (AUC=0.886)相比具有更好的判別能力。
評(píng)估PSN病理侵襲性的受試者工作特征(ROC)分析:AUC表示ROC曲線下面積;模型1-臨床特征模型;模型2-直方圖特征模型;模型3-融合模型
目前,推想通過人工智能技術(shù)的賦能,能夠?qū)崿F(xiàn)對(duì)肺癌精準(zhǔn)診療的篩、診、治、管、研臨床全周期管理,持續(xù)引領(lǐng)肺癌診療智能化的科研創(chuàng)新和臨床應(yīng)用。此次推想與北大人民醫(yī)院胸外科、放射科團(tuán)隊(duì)的研究是基于已經(jīng)應(yīng)用于臨床的推想肺結(jié)節(jié)人工智能輔助診斷系統(tǒng),實(shí)現(xiàn)了對(duì)CT圖像中肺結(jié)節(jié)的自動(dòng)檢測(cè)、分割,和征象識(shí)別,拓展直方圖分析功能。針對(duì)部分實(shí)性結(jié)節(jié)的腫瘤浸潤(rùn)性預(yù)測(cè)模型的構(gòu)建,實(shí)現(xiàn)了對(duì)臨床關(guān)注的部分實(shí)性結(jié)節(jié)病理浸潤(rùn)程度的預(yù)測(cè),有助于臨床選擇更適宜的干預(yù)手段,為臨床進(jìn)行肺癌診斷、肺癌手術(shù)切除范圍評(píng)估等環(huán)節(jié)提供了便捷、有效的輔助參考工具。
聲明:本文版權(quán)歸原作者所有,轉(zhuǎn)載文章僅為傳播更多信息,如作者信息標(biāo)記有誤,或侵犯您的版權(quán),請(qǐng)聯(lián)系我們,我們將在及時(shí)修改或刪除內(nèi)容,聯(lián)系郵箱:marketing@360worldcare.com
手機(jī)網(wǎng)站
醫(yī)療保險(xiǎn)公司
臨床???/h3>
消化內(nèi)科
呼吸內(nèi)科
神經(jīng)內(nèi)科
心內(nèi)科
風(fēng)濕免疫科
普外科
骨科
神經(jīng)外科
血管外科
消化外科
婦科
產(chǎn)科
小兒內(nèi)科
兒童保健科
整形美容
皮膚美容
口腔美容
口腔科
口腔正畸科
生殖醫(yī)學(xué)科
泌尿外科
小兒外科
推薦名醫(yī)
高之憲
鐘南山
張文宏
胡大一
車曉明
凌鋒
曹子昂
王春生
楊尹默
王蕾
王志軍
賈兵
郭衛(wèi)
葉曉健
黃健
汪朔
鮑永珍
馬杰
王家東
孫玉強(qiáng)
沈坤煒
朱正綱
王秋根
鄭億慶
齊雋
李健文
毛穎
李士其
陳世益
秦新裕
朱振安
盧曉峰
陸舜
享醫(yī)(上海)網(wǎng)絡(luò)科技有限公司 版權(quán)所有 ?2015-2024
版權(quán)申明
滬ICP備15042088號(hào)
滬公網(wǎng)安備 31010102003241號(hào)
保險(xiǎn)產(chǎn)品內(nèi)容由上海銘祥保險(xiǎn)代理有限公司提供