发布日期：2018-09-27
来源：本站原创
【据《Radiology》2018年7月17日在线报道】题：创建并验证一个基于肝脏增强CT对肝纤维化分期的深度学习系统（作者Kyu Jin Choi等）
本项研究旨在创建并验证一个基于肝脏增强CT对肝纤维化分期的深度学习系统（DLS）。
训练数据集纳入了7461例经病理诊断的肝纤维化患者的门静脉期CT影像；基于这一数据集，研究者创建了基于肝脏增强CT对肝纤维化分期的DLS。纳入891例患者的独立测试数据集评估了DLS的诊断准确性。应用Logistic回归分析评估患者特征和CT技术对该DLS准确性的影响。在一个纳入421例患者的亚数据集中，研究者通过受试者工作特征曲线下面积（AUROC）和Obuchowski指数比较该DLS与影像学家判读和转氨酶与血小板比值指数（APRI）诊断肝纤维化的准确性。
测试数据集中，DLS的分期准确性是79.4%（707/891），诊断显著纤维化（F2–4）、晚期纤维化（F3–4）和肝硬化（F4）的AUROC分别是0.96、0.97和0.95。多因素分析中，只有纤维化的病理分期显著影响DLS的分期准确性，而肝病的病因和CT技术对其无影响。DLS（Obuchowski指数，0.94）的分期准确性优于影像学家的判读、APRI和纤维化-4指数(Obuchowski指数范围，0.71–0.81；P <0.001)。
该DLS通过CT影像能准确地对肝纤维化分期。
沈阳军区总医院消化内科 王乐 祁兴顺 郭晓钟 报道
本项研究旨在创建并验证一个基于肝脏增强CT对肝纤维化分期的深度学习系统（DLS）。
训练数据集纳入了7461例经病理诊断的肝纤维化患者的门静脉期CT影像；基于这一数据集，研究者创建了基于肝脏增强CT对肝纤维化分期的DLS。纳入891例患者的独立测试数据集评估了DLS的诊断准确性。应用Logistic回归分析评估患者特征和CT技术对该DLS准确性的影响。在一个纳入421例患者的亚数据集中，研究者通过受试者工作特征曲线下面积（AUROC）和Obuchowski指数比较该DLS与影像学家判读和转氨酶与血小板比值指数（APRI）诊断肝纤维化的准确性。
测试数据集中，DLS的分期准确性是79.4%（707/891），诊断显著纤维化（F2–4）、晚期纤维化（F3–4）和肝硬化（F4）的AUROC分别是0.96、0.97和0.95。多因素分析中，只有纤维化的病理分期显著影响DLS的分期准确性，而肝病的病因和CT技术对其无影响。DLS（Obuchowski指数，0.94）的分期准确性优于影像学家的判读、APRI和纤维化-4指数(Obuchowski指数范围，0.71–0.81；P <0.001)。
该DLS通过CT影像能准确地对肝纤维化分期。
沈阳军区总医院消化内科 王乐 祁兴顺 郭晓钟 报道
