梅斯医学MedSci APP
医路相伴，成就大医
梅斯医学MedSci APP
医路相伴，成就大医
随着SARS-CoV-2传播程度的持续不确定性以及SARS-CoV-2变种的出现，早期诊断仍将是COVID-19预防策略的核心。在有症状的患者中及时发现COVID-19，不仅可以减少传播，还可以进行适当的治疗以避免病情的进一步进展。虽然逆转录聚合酶链式反应（RT-PCR）检测仍然是诊断COVID-19的黄金标准，但检测周转时间长、检测和劳动力成本高以及检测试剂短缺都阻碍了RT-PCR检测的获得和使用。事实上，降低分析灵敏度以换取缩短检测周转时间和增加检测的可及性，可以非常有效地限制COVID-19的传播。因此，迫切需要可获得的、准确的和具有成本效益的COVID-19筛查工具的提出，以便对有症状的患者进行更好的分流，并优先对那些检测前具有和可能传播COVID-19的高概率患者进行确认性RT-PCR检测。
虽然计算机断层扫描（CT）成像已被常规用于COVID-19的检测和疾病定性，但在临床上，CT并不适用于大多数轻度疾病患者。相对而言，胸片（CXR）通常是对有急性呼吸道症状的患者进行初步评估的常规手段，且价格便宜、辐射剂量低，而且在绝大多数的医院中都可以获得。因此，CXR有可能被用来帮助有症状的患者检测COVID-19的存在。但实际上，相当一部分患者缺乏可用于区分其与其他呼吸道感染的特征性CXR表现，因此在CXR上检测COVID-19十分困难。
最近的研究表明，采用基于计算机视觉的深度神经网络的人工智能（AI）模型可以检测和学习CXR上的COVID-19特征。虽然十分具有临床价值，但许多人工智能模型存在训练数据集的偏差和较差的可推广性。此外，由于许多研究集中在检测健康人群中的COVID-19可能，没有解决更多的临床相关问题。因此，这些人工智能模型在临床相关环境中的真正表现仍然是未知的。
为了应对这些挑战，近日，发表在European Radiology杂志的一项研究使用COVID-19 CXR AI预测模型（RadGenX）对有症状的怀疑患有COVID-19的患者进行了验证评估，为进一步实现以CXR为基础的COVID-19快速准确诊断提供了支持。
本研究在168850张CXR上对深度学习模型（RadGenX）进行训练，并在9个研究地点（美国、意大利和香港特区）的有症状患者的大型国际测试集和美国、欧洲的两个公共数据集上得到验证。性能由受试者工作特征曲线下的面积（AUC）来衡量。进行了引证模拟，以评估COVID-19疾病流行率的潜在范围（3.33%至33.3%）的性能。在852个病例的独立测试集上与放射科医师进行了比较。
RadGenX在4倍交叉验证中取得了0.89的AUC，在5894名患者的独立测试群中取得了0.79（95%CI 0.78-0.80）的AUC。德隆测试显示，来自不同地区（p < 0.01）、疾病严重程度（p < 0.001）、性别（p < 0.001）和年龄（p = 0.03）的患者的模型性能存在统计差异。患病率模拟显示，阴性预测值从33.3%患病率时的86.1%增加到98.5%。与放射科医生相比，McNemar测试显示该模型具有更高的敏感性（p < 0.001），但特异性较低（p < 0.001）。
图 AI模型的性能。A 来自4倍交叉验证的RadGenX人工智能模型的ROC曲线；B RadGenX在合并的4倍交叉验证上的ROC曲线
本研究验证了一个通过CXR预测有症状患者COVID-19状态的人工智能模型，同时提供了建模分析以显示该模型在各种模拟的COVID-19疾病流行水平下的表现，并将其与放射科医生进行了比较，作为PCR检测的辅助诊断工具具有良好的灵敏度和高NPV，这在COVID-19流行的资源匮乏地区意义重大。
原文出处：
Michael D Kuo,Keith W H Chiu,David S Wang,et al.Multi-center validation of an artificial intelligence system for detection of COVID-19 on chest radiographs in symptomatic patients.DOI:10.1007/s00330-022-08969-z
European Radiology：人工智能影像学参数在预测阿尔茨海默症患者细微认知衰退中的作用
0
2022-09-12
点击查看
Nat Mach Intel：斯坦福李飞飞团队认为数据设计和数据质量是可信AI的关键
0
2022-09-10
点击查看
Cell Discov：西湖大学郭天南等团队结合高通量蛋白质组学和人工智能评估甲状腺结节良恶
0
2022-09-11
点击查看
Radiology：人工智能在心脏MRI测量中的应用
0
2022-09-20
点击查看
同期两篇Science：人工智能革新蛋白质设计：准确而快速地创造蛋白质
0
2022-09-24
点击查看
Cell Reports：南方医科大学朱浩团队开发深度学习算法DeepFavored，揭示适应性突变与疾病易感性关联
0
2022-09-27
点击查看
