Новая модель глубокого обучения для прогнозирования будущего риска переломов у пациентов с переломами бедра, основанная на цифровой реконструкции рентгеновских снимков трехмерной компьютерной томографии (3D КТ) бедра, продемонстрировала более высокую площадь под кривыми (AUC) для двух-, трехмерных – и пятилетние прогнозы риска, чем несколько клинических моделей, основанных на известных факторах риска.

В ретроспективном исследовании, недавно опубликованном в журнале Radiology , исследователи проанализировали данные 1480 пациентов (средний возраст 75,5 лет) с переломом бедра, которым была проведена КТ бедра. Используя набор данных для обучения и проверки, включающий 1012 пациентов, а также набор временных тестов, состоящий из 468 пациентов, исследователи сравнили прогностическую способность вышеупомянутой модели глубокого обучения с несколькими моделями визуализации и клиническими моделями.

По сравнению с рентгенографией тазобедренного сустава в тестовой выборке авторы исследования обнаружили, что 2,5-мерная ансамблевая модель имела индекс конкордантности (C-индекс) на 12 процентов выше (73 процента против 61 процента), что на девять процентов выше за трехлетний период. AUC (74 процента против 65 процентов) и пятилетняя AUC на 16 процентов выше (73 процента против 57 процентов) для прогнозирования будущего риска переломов.

Здесь можно увидеть межвертельный перелом у 76-летнего пациента на рентгеновских снимках, реконструированных с помощью цифровой технологии. Прогнозирование модели глубокого обучения для последующего риска перелома, как показано на картах активации классов с градиентно-взвешенными показателями, показывает влияние области шейки бедренной кости (красный). Прогнозируемый риск перелома для этого пациента составил 10,8 процента через два года и 19,4 процента через пять лет. Через пять лет после первоначальной травмы у пациента не было переломов. (Изображения любезно предоставлены Radiology .)

Модель глубокого обучения также продемонстрировала более высокий индекс C, двухлетнюю AUC (74 процента), трехлетнюю AUC и пятилетнюю AUC, чем скаутская пленка, полученная на КТ, фронтальных, аксиальных и латеральных рентгенограммах, реконструированных в цифровой форме (DRR) и 3D. модель объемного изображения, согласно данным тестового набора исследований.

Авторы исследования также отметили, что 2,5-мерная ансамблевая модель превосходила двух- и трехлетние AUC для нескольких клинических моделей. Они отметили, что двухлетняя AUC (74 процента) выше на 16 процентов, а трехлетняя AUC (74 процента) выше для модели глубокого обучения по сравнению с клинической моделью (58 процентов и 64 процента соответственно), в которой оценивалось 10 процентов. известные клинические факторы риска переломов, включая МПК шейки бедренной кости и тип перелома бедра.

«Разработка модели прогнозирования краткосрочного риска последующего перелома важна, поскольку она позволит выявить пациентов с самым высоким риском и поможет определить соответствующие стратегии лечения», — пишет ведущий автор исследования Исак Ким, магистр наук, который связан с Междисциплинарной программой в области биоинженерии. в аспирантуре Сеульского национального университета и на кафедре радиологии больницы Сеульского национального университета в Сеуле, Корея, и его коллеги.

Подчеркнув, что это первое исследование, в котором была разработана модель прогнозирования будущего риска переломов у пациентов с переломом бедра, авторы исследования отметили, что использование КТ бедра в качестве основы для модели глубокого обучения было особенно полезным.

«… Модель, использующая изображения различных углов КТ бедра, показала лучшие результаты по сравнению с моделями с изображениями переднего поперечного сечения, такими как переднезадние рентгенограммы, что позволяет предположить потенциальное использование 2,5-мерной модели с другими КТ-изображениями», — отметили Ким и коллеги.

(Примечание редактора: соответствующий контент см. в разделах « ИИ способствует почти 83-процентному сокращению времени обработки рентгеновских снимков переломов », « OsteoSight получает статус революционного устройства FDA для оценки минеральной плотности костной ткани на рентгеновских снимках » и « Прибор Gleamer’s BoneView получает разрешение FDA». для обнаружения переломов в педиатрии с помощью искусственного интеллекта ».)

Что касается ограничений исследования, авторы отметили, что использование 3D КТ тазобедренного сустава может ограничить более широкую экстраполяцию результатов исследования. В то время как тепловые карты с моделью глубокого обучения в первую очередь выделяли области шейки и диафиза бедренной кости, исследователи признали, что области внимания среди пациентов в когорте сильно различаются. Они также признали, что исключение пользователей деносумаба из набора для обучения и проверки могло повлиять на производительность модели глубокого обучения.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.