Automated detection of underdiagnosed medical conditions via opportunistic imaging

要約

腹部コンピューター断層撮影（CT）スキャンは、臨床環境で頻繁に行われます。
日和見的なCTには、診断情報を抽出するためにルーチンCT画像を再利用することが含まれ、サルコペニア、肝脂肪症、腹水などの診断されていない状態を検出するための新たなツールです。
この研究では、深い学習方法を利用して、正確な診断と臨床文書化を促進します。
2,674個の入院患者CTスキャンを分析して、イメージングの表現型（日和見的CTスキャンから導出された特性）と、放射線学レポートとICDコーディングにおける対応するドキュメントとの矛盾を特定します。
分析を通じて、日和見的なイメージングまたは放射線学の報告のいずれかを通じて、サルコペニア、肝脂肪症、および腹水（それぞれ）と診断されたスキャンの0.5％、3.2％、および30.7％のみがICDコード化されていることがわかります。
我々の調査結果は、リスク調整モデルの診断精度と精度を高める日和見CTの可能性を示しており、精密医療の進歩を提供します。

要約(オリジナル)

Abdominal computed tomography (CT) scans are frequently performed in clinical settings. Opportunistic CT involves repurposing routine CT images to extract diagnostic information and is an emerging tool for detecting underdiagnosed conditions such as sarcopenia, hepatic steatosis, and ascites. This study utilizes deep learning methods to promote accurate diagnosis and clinical documentation. We analyze 2,674 inpatient CT scans to identify discrepancies between imaging phenotypes (characteristics derived from opportunistic CT scans) and their corresponding documentation in radiology reports and ICD coding. Through our analysis, we find that only 0.5%, 3.2%, and 30.7% of scans diagnosed with sarcopenia, hepatic steatosis, and ascites (respectively) through either opportunistic imaging or radiology reports were ICD-coded. Our findings demonstrate opportunistic CT’s potential to enhance diagnostic precision and accuracy of risk adjustment models, offering advancements in precision medicine.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google