/图像-1/胸部CT显示右侧肺炎(图像左侧)
作者:詹姆斯·海尔曼,医学博士
维基共享/抄送-南非3
0 对疾病进展和死亡率进行快速准确的临床评估对于新冠肺炎患者的管理至关重要
尽管已经提出了几种预测器,但它们仅限于主观评估、半自动方案或有监督的深度学习方法
这种预测是主观的,或者需要对训练案例进行费力的注释
在发表在《医学图像分析》上的一项多中心研究中,由吉田广之领导的研究小组
D
马萨诸塞州总医院(MGH)三维成像研究主任表明,基于计算机断层扫描的无监督深度学习可以提供比已建立的实验室测试和现有的基于图像的视觉和定量生存预测器高得多的预后表现
该模型可以为每个患者预测新冠肺炎进展的时间,从而预测患者进入重症监护室或患病的时间,这是其他基于图像的预测模型所不能做到的
由该模型计算的时间信息也能够将患者分层为低风险组和高风险组,比用其他预测器可能进行的分层更大
吉田说:“我们的结果表明,无监督人工智能模型的预测性能明显更高,预测误差明显低于以前建立的参考预测器。”
“使用无监督人工智能作为生存预测模型的一个组成部分,使得直接从患者的原始CT图像中进行预后预测成为可能,其准确性高于以前定量成像中的可能性
" 在最近发表在《自然》杂志上的一项配套研究中,该团队已经表明,有监督的人工智能可以用来从新冠肺炎患者的胸部ct图像中预测他们的存活率
然而,新的无监督人工智能模型通过避免先前预测器的技术限制和费力的注释工作而开辟了新天地,因为生成性对抗网络的使用使得直接从图像训练完整的端到端生存分析模型成为可能
吉田解释说:“这是一种更加精确和高度先进的人工智能技术。”
虽然这项研究仅限于新冠肺炎患者,但研究小组认为该模型也可以推广到其他疾病
吉田说:“像Long COVID(Delta变体)这样的问题,或者将该模型推广到医学图像中表现出来的其他疾病,都是这种无监督人工智能模型的有希望的应用。”
来源:由phyica.com整理转载自PH,转载请保留出处和链接!