2020 年 3 月 3 日，來自安康、麗水、鎮(zhèn)江、蘭州、臨夏 5 家指定醫(yī)院的團隊在預印版平臺 medRxiv 發(fā)表未經(jīng)同行評審的研究論文，首次報道了基于機器學習建立的 CT 影像組學模型對新冠肺炎患者住院時間的預測價值。

雷鋒網(wǎng)查詢到，該研究團隊發(fā)表的研究論文題為“Machine learning-based CTradiomics model for predicting hospital stay in patients with pneumoniaassociated with SARS-CoV-2 infection: A multicenter study”。

雷鋒網(wǎng)注：【 圖片來源：medRxiv  所有者：medRxiv  】

iNature 指出，住院時間是新型冠狀病毒疾?。–OVID-19） 臨床預后的重要指標之一。相關(guān)報道顯示，SARS-CoV-2 感染患者的中位住院時間為 10 天。

目前，CT 影像學已成為 COVID-19 肺炎重要的診斷和監(jiān)測工具。疫情期間，由中國抗癌協(xié)會腫瘤人工智能專業(yè)委員和國家超級計算天津中心組成的項目團隊就曾搭建出 CT 影像綜合分析 AI 輔助系統(tǒng)，提高了篩查診斷能力。

研究團隊在蘭州、安康、麗水、鎮(zhèn)江、臨夏 5 家新冠肺炎定點醫(yī)院，于 2020 年 1 月 23 日到 2 月 8 日期間，招募了 52 例實驗室確診的 SARS-CoV-2 感染患者，收集了相關(guān)臨床資料，對其初始 CT 圖像進行了研究。

到了 2020 年 2 月 20 日，研究排除了未出院患者和首次 CT 檢查無肺炎表現(xiàn)患者，最終以 31 例治愈出院的患者為研究對象，共具有 72 個病變段。

另外，研究團隊將 10 天作為住院時長的二分類閾值——短期住院（≤10 天）和長期住院（>10 天）。由于樣本數(shù)目有限，研究團隊將其中 4 個中心作為訓練隊列，另外一個中心作為驗證隊列。

針對訓練和相互驗證數(shù)據(jù)集中從肺炎病變中提取的特征，研究團隊開發(fā)了基于邏輯回歸（Logistic Regression，LR）模型和回歸森林（Random Forest，RF）的干預 CT 放射學模型。

雷鋒網(wǎng)注：【 圖片來源：medRxiv  所有者：medRxiv  】

最終結(jié)果顯示，基于 6 個二級特征的 CT 放射組學模型對肺炎合并 SARS-CoV-2 感染患者在短期住院和長期住院有較好的鑒別效果，LR 和 RF 曲線下面積分別為 0.97 (95%CI 0.83-1.0) 和 0.92 (95%CI 0.67-1.0)。

另外，LR 模型的靈敏度和特異度分別為 1.0 和 0.89，RF 模型在測試數(shù)據(jù)集上的靈敏度和特異度分別為 0.75 和 1.0，表現(xiàn)相似。

由此，基于機器學習的 CT 放射組學模型在預測肺炎合并 SARS-CoV-2 感染患者住院時間方面具有可行性和準確性。

參考資料：https://www.medrxiv.org/content/10.1101/2020.02.29.20029603v1

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。