AI analysis of medical images at scale as a health disparities probe: a feasibility demonstration using chest radiographs

要約

健康格差（健康に影響を与える非遺伝的条件の違い）は、人口内のグループによる病気の負担の違いに関連する可能性があります。
健康の社会的決定要因（SDOH）は、ヘルスケアへのアクセス、食事へのアクセス、および健康格差との潜在的な関連のために頻繁に研究される経済学などのドメインです。
データソースとして日常的な医療画像を使用したSDOH関連の表現型を評価すると、健康格差の研究が強化される可能性があります。
医療画像から自動的に健康格差指数計算への入力として自動的に抽出された定量的測定を使用するためのパイプラインを開発しました。
私たちの研究は、2人のSDOH人口統計相関（性と人種）のユースケースと、1,571人のユニークな患者の胸部X線写真から抽出されたデータに焦点を当てました。
確立された深い学習モデルを使用して測定された各画像タイプの肺実質内の重度の疾患の可能性は、各患者の単一の数値画像ベースの表現型に統合されました。
その後、患者は、画像ベースの表現型の監視されていないクラスタリングにより、フェノグループに分離されました。
各フェノグループの健康率は、4つのイメージング由来の健康格差指数（IHDI）への入力として使用される各SDOHの画像ベースの表現型の中央値として定義されました。
IHDIの測定は、各SDOH人口統計相関の実行可能な値を実証し、医療画像が健康格差の新しい調査として役立つ可能性を示しています。
医療画像の大規模なAI分析は、健康格差研究のための新しいデータソースの調査として役立ちます。

要約(オリジナル)

Health disparities (differences in non-genetic conditions that influence health) can be associated with differences in burden of disease by groups within a population. Social determinants of health (SDOH) are domains such as health care access, dietary access, and economics frequently studied for potential association with health disparities. Evaluating SDOH-related phenotypes using routine medical images as data sources may enhance health disparities research. We developed a pipeline for using quantitative measures automatically extracted from medical images as inputs into health disparities index calculations. Our study focused on the use case of two SDOH demographic correlates (sex and race) and data extracted from chest radiographs of 1,571 unique patients. The likelihood of severe disease within the lung parenchyma from each image type, measured using an established deep learning model, was merged into a single numerical image-based phenotype for each patient. Patients were then separated into phenogroups by unsupervised clustering of the image-based phenotypes. The health rate for each phenogroup was defined as the median image-based phenotype for each SDOH used as inputs to four imaging-derived health disparities indices (iHDIs): one absolute measure (between-group variance) and three relative measures (index of disparity, Theil index, and mean log deviation). The iHDI measures demonstrated feasible values for each SDOH demographic correlate, showing potential for medical images to serve as a novel probe for health disparities. Large-scale AI analysis of medical images can serve as a probe for a novel data source for health disparities research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google