美國國立衛生研究院臨床中心的研究人員開發了一種新的人工智能(AI)模型,使用非對比腹部CT圖像分析與胰腺健康和脂肪水平相關的各種因素,以檢測二型糖尿病風險。
這項研究發表在放射學,評估了8,992名患者,其中572名患有二型糖尿病病,1,880名患有血糖異常。所有患者篩查發生在2004年至2016年之間。
為了建立模型,研究人員使用了從各種數據集獲得的471幅圖像。他們將照片分為三類:424張用于訓練,8張用于驗證,39張用于測試集。
研究人員在分析圖像時使用了多種測量方法。這些測量包括CT衰減、胰腺體積、胰腺內脂肪百分比和三維分形維數。
其他分析的特征包括內臟脂肪水平和密度以及鄰近肌肉和器官的體積。
結果表明,低胰腺密度和高內臟脂肪與糖尿病患病率相關。
AI模型顯示的一致和準確的結果表明,腹部CT生物標志物的全自動分析是預測和診斷糖尿病的可靠方法。
此外,研究人員希望在診斷二型糖尿病時繼續實施多變量分析。
“這項研究朝著更廣泛地使用自動化方法來解決臨床挑戰邁出了一步,”該研究的作者羅納德·m·薩默斯醫學博士和伊馬·塔拉姆醫學博士和博士生在新聞稿。“這也可能為將來研究糖尿病患者胰腺變化的原因提供信息。”Summers和Tallam分別在美國國立衛生研究院臨床中心工作和學習。
作者確實指出了該研究的各種局限性,包括分割圖像的困難,以及從最終模型中排除臨床因素,如種族,家族史或血脂水平。
越來越多的預測分析方法被用于臨床診斷。
例如,2020年8月開發的預測分析方法使用計算器來幫助臨床醫生預測中風。具體來說,該工具使用關于代謝系統的信息,包括血壓和膽固醇。
另一項研究發表在自然通訊 描述了早期預警系統如何監測傳染病。這項研究涉及3000名提供者,他們每周向疾病控制和預防中心報告流感樣疾病的數據。利用這些數據,研究人員創建了一個預測模型,旨在為有中風風險的患者提供早期預警。
但是隨著預測分析在醫療保健中的應用不斷發展,研究人員正在采取措施來增強這些方法。