Прогнозирование смертности и выявление случайных находок при КТ грудной клетки с помощью ИИ

Появление искусственного интеллекта (ИИ) в медицинской визуализации произвело революцию в том, как рентгенологи и клиницисты оценивают и интерпретируют диагностические сканирования. Сканирование грудной клетки с помощью компьютерной томографии (КТ), часто выполняемое для скрининга рака легких, может выявить критические внелегочные результаты, выходящие за рамки легких, включая сердечно-сосудистые заболевания и другие аномалии, которые могут существенно повлиять на смертность пациентов. Интеграция инструментов ИИ для обнаружения таких результатов улучшает раннюю диагностику и предлагает прогностическую информацию о смертности от всех причин (ACM). В недавней статье, опубликованной в Radiology, оценивается многоструктурная сегментация на основе ИИ для прогнозирования ACM и выявления клинически значимых случайных результатов при КТ грудной клетки.

AI и внелегочные результаты

Случайные находки на КТ грудной клетки часто включают значительные отклонения за пределами легких, такие как сердечно-сосудистые заболевания. В когорте Национального исследования скрининга легких (NLST) внелегочные находки были зарегистрированы у 33,8% участников, что подчеркивает их клиническую значимость. Исследование предлагает систему ИИ, способную анализировать 32 структуры, видимые на КТ грудной клетки. Сосредоточившись на легочных находках, этот ИИ также может идентифицировать такие структуры, как коронарные артерии и эпикардиальная жировая ткань (EAT), которые указывают на сердечно-сосудистый риск.

Инструменты сегментации на основе ИИ, такие как TotalSegmentator, использовались для идентификации и количественной оценки радиомических признаков сегментированных структур. Это позволяет проводить комплексную оценку сердечно-сосудистых заболеваний, особенно кальция коронарных артерий (CAC), который был определен как значимый предиктор смертности. Более того, интегрируя радиомические данные с демографическими факторами, модели ИИ исследования предоставили врачам надежный инструмент для выявления пациентов с высоким риском, что помогло в раннем вмешательстве и планировании лечения.

Прогнозирование смертности от всех причин с использованием ИИ

Одной из основных целей инструмента ИИ было прогнозирование ACM в краткосрочном (2 года) и долгосрочном (10 лет) периодах. В ходе исследования около 14% из 24 401 участников умерли в течение 10-летнего периода наблюдения, что подчеркивает прогностическую способность модели ИИ. Система ИИ достигла площади под кривой рабочей характеристики приемника (AUC) 0,72 для 10-летнего прогноза ACM и 0,71 для 2-летнего ACM, продемонстрировав свою надежность в оценке риска смертности.

Способность ИИ предсказывать АКМП во многом обусловлена ​​важностью кальцификации коронарных артерий. Фактически, исследование показало, что у участников с более высокими показателями КАЦ значительно выше вероятность сердечно-сосудистых событий, приводящих к смерти. Сосредоточившись на клинически значимых структурах и объединив демографические данные, такие как возраст, пол и история курения, инструмент ИИ предоставил персонализированную оценку риска для каждого пациента. Эта функция особенно ценна в клинических условиях, где своевременная и точная оценка риска может информировать о путях лечения и потенциально спасать жизни.

Влияние ИИ на клиническую практику

Интеграция ИИ в медицинскую визуализацию обещает новую эру точной диагностики. Использование многоструктурной сегментации на основе ИИ улучшает обнаружение как первичных, так и случайных находок, повышая точность диагностики. Выявляя внелегочные аномалии, такие как ЭАТ и КАК, врачи могут лучше управлять рисками для пациентов и расставлять приоритеты в последующем лечении.

Способность системы ИИ предсказывать смертность посредством многоструктурного анализа знаменует собой значительный прогресс в уходе за пациентами. Вместо того чтобы полагаться исключительно на рентгенологов для выявления потенциальных рисков, ИИ дополняет их опыт подробными объективными данными. Например, в то время как рентгенологи могут сосредоточиться на первичном скрининге рака легких, система ИИ гарантирует, что сердечно-сосудистые риски и другие внелегочные состояния не будут упущены из виду. Этот целостный подход приводит к более комплексной оценке состояния пациентов, что особенно важно для лиц, проходящих скрининг на рак легких или другие состояния высокого риска.

Исследование подчеркивает преобразующую роль ИИ в медицинской визуализации, особенно в выявлении случайных находок и прогнозировании смертности от всех причин. Используя многоструктурную сегментацию и радиомикологический анализ, инструменты ИИ предоставляют врачам мощную информацию о здоровье пациента, что позволяет проводить более ранние вмешательства и разрабатывать более точные стратегии лечения. Интеграция ИИ в повседневную диагностическую практику, вероятно, приведет к значительному улучшению результатов лечения пациентов, особенно в выявлении опасных для жизни состояний, которые могут быть не сразу очевидны. Будущее медицинской визуализации заключается в способности ИИ синтезировать огромные объемы данных, обеспечивая как предсказательную, так и объяснительную силу, которая улучшает принятие клинических решений.

Источник: Radiology