2020 年 3 月 3 日，来自安康、丽水、镇江、兰州、临夏 5 家指定医院的团队在预印版平台 medRxiv 发表未经同行评审的研究论文，首次报道了基于机器学习建立的 CT 影像组学模型对新冠肺炎患者住院时间的预测价值。
该研究团队发表的研究论文题为“Machine learning-based CTradiomics model for predicting hospital stay in patients with pneumoniaassociated with SARS-CoV-2 infection: A multicenter study”。
iNature 指出，住院时间是新型冠状病毒疾病（COVID-19） 临床预后的重要指标之一。相关报道显示，SARS-CoV-2 感染患者的中位住院时间为 10 天。
目前，CT 影像学已成为 COVID-19 肺炎重要的诊断和监测工具。疫情期间，由中国抗癌协会肿瘤人工智能专业委员和国家超级计算天津中心组成的项目团队就曾搭建出 CT 影像综合分析 AI 辅助系统，提高了筛查诊断能力。
研究团队在兰州、安康、丽水、镇江、临夏 5 家新冠肺炎定点医院，于 2020 年 1 月 23 日到 2 月 8 日期间，招募了 52 例实验室确诊的 SARS-CoV-2 感染患者，收集了相关临床资料，对其初始 CT 图像进行了研究。
到了 2020 年 2 月 20 日，研究排除了未出院患者和首次 CT 检查无肺炎表现患者，最终以 31 例治愈出院的患者为研究对象，共具有 72 个病变段。
另外，研究团队将 10 天作为住院时长的二分类阈值——短期住院（≤10 天）和长期住院（>10 天）。由于样本数目有限，研究团队将其中 4 个中心作为训练队列，另外一个中心作为验证队列。
针对训练和相互验证数据集中从肺炎病变中提取的特征，研究团队开发了基于逻辑回归（Logistic Regression，LR）模型和回归森林（Random Forest，RF）的干预 CT 放射学模型。
最终结果显示，基于 6 个二级特征的 CT 放射组学模型对肺炎合并 SARS-CoV-2 感染患者在短期住院和长期住院有较好的鉴别效果，LR 和 RF 曲线下面积分别为 0.97 (95%CI 0.83-1.0) 和 0.92 (95%CI 0.67-1.0)。
另外，LR 模型的灵敏度和特异度分别为 1.0 和 0.89，RF 模型在测试数据集上的灵敏度和特异度分别为 0.75 和 1.0，表现相似。
由此，基于机器学习的 CT 放射组学模型在预测肺炎合并 SARS-CoV-2 感染患者住院时间方面具有可行性和准确性。
参考资料：https://www.medrxiv.org/content/10.1101/2020.02.29.20029603v1
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
