Automatic lesion analysis for increased efficiency in outcome prediction of traumatic brain injury

要約

外傷性脳損傷（TBI）患者の正確な予後を知ることは困難であるが、治療、患者管理、長期的なアフターケアに反映させるために不可欠である。年齢，運動反応性，瞳孔反応性，低酸素・低血圧，コンピュータ断層撮影（CT）の放射線所見などの患者特性は，TBIの予後予測に重要な変数として同定されてきた．CTは、その撮影速度と広く普及していることから、臨床現場において最も選択される急性期画像診断手段である。しかし、このモダリティは主にMarshallスコアリングシステムなどの定性的、半定量的評価に用いられており、主観性やヒューマンエラーが発生しやすい。本研究では、最先端の深層学習TBI病変セグメンテーション法を用いて、日常的に取得される病院入院CTスキャンから抽出された画像バイオマーカーの予測力を調査する。病変体積と対応する病変統計値を拡張TBI転帰予測モデルの入力として使用する。私たちが提案した特徴の予測力を、単独および古典的なTBIバイオマーカーと組み合わせた場合のMarshallスコアと比較します。その結果，自動的に抽出された定量的CT特徴が，Marshallスコアと同等かそれ以上に，好ましくないTBI転帰の予測に有効であることが分かった．また、アトラスの自動アライメントを活用し、前頭部の軸外病変を予後不良の重要な指標として同定した。我々の研究はTBIのより良い理解に貢献し、TBI後の予後を改善するために自動神経画像解析をどのように利用できるかについて新しい洞察を提供するものである。

要約(オリジナル)

The accurate prognosis for traumatic brain injury (TBI) patients is difficult yet essential to inform therapy, patient management, and long-term after-care. Patient characteristics such as age, motor and pupil responsiveness, hypoxia and hypotension, and radiological findings on computed tomography (CT), have been identified as important variables for TBI outcome prediction. CT is the acute imaging modality of choice in clinical practice because of its acquisition speed and widespread availability. However, this modality is mainly used for qualitative and semi-quantitative assessment, such as the Marshall scoring system, which is prone to subjectivity and human errors. This work explores the predictive power of imaging biomarkers extracted from routinely-acquired hospital admission CT scans using a state-of-the-art, deep learning TBI lesion segmentation method. We use lesion volumes and corresponding lesion statistics as inputs for an extended TBI outcome prediction model. We compare the predictive power of our proposed features to the Marshall score, independently and when paired with classic TBI biomarkers. We find that automatically extracted quantitative CT features perform similarly or better than the Marshall score in predicting unfavourable TBI outcomes. Leveraging automatic atlas alignment, we also identify frontal extra-axial lesions as important indicators of poor outcome. Our work may contribute to a better understanding of TBI, and provides new insights into how automated neuroimaging analysis can be used to improve prognostication after TBI.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL