Radiology：對比增強CT圖像深度學習系統在肝硬化分級的價值

導語：CT圖像深度學習系統能夠準確對肝硬化進行分級。

來源：梅斯醫學

本研究旨在建立並驗證CT圖像深度學習系統（DLS）在肝硬化分級中的價值。

利用包括門靜脈期CT圖像的7461例病理證實為肝硬化患者的數據建立基於CT肝硬化分級的DLS。利用額外891例患者數據進行驗證DLS的診斷能力。利用Logistic回歸分析評價患者特徵及CT技術對DLS分級準確性的影響。在421例患者的亞組中，利用ROC曲線下面積和Obuchowski指數比較DLS與放射科醫生、轉氨酶-血小板比例指數（APRI0）肝硬化-4指數對肝硬化分級的診斷能力。

結果為，在測試組，DLS的分級準確率為79.4% (707 of 891)，對診斷明顯肝硬化(F2-4)、肝硬化晚期 (F3-4)、重度肝硬化(F4)的ROC曲線下面積分別為0.96、0.97、0.95。在多元分析中，僅有病理纖維化分級能夠影響F1和F2 DLS的準確性(與F4比較，F1與F2的P值分別為.016 、.013)，而CT技術和肝臟基礎病變並不能影響DLS分級診斷性。DLS(Obuchowski指數為0.94)要優於放射科醫生的評價、APRI和肝硬化-4指數(Obuchowski指數範圍為0.71-0.81； P ？ .001)。

本研究表明，CT圖像深度學習系統能夠準確對肝硬化進行分級。

原始出處：

Choi KJ， Jang JK， Lee SS，et al.Development and Validation of a Deep Learning System for Staging Liver Fibrosis by Using Contrast Agent-enhanced CT Images in the Liver.Radiology.DOI：10.1148/radiol.2018180763

本文系梅斯醫學（MedSci）原創編譯整理，轉載需授權！

80%專業醫生都在用梅斯醫學APP

改善醫療質量

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！