Enhanced Mortality Prediction In Patients With Subarachnoid Haemorrhage Using A Deep Learning Model Based On The Initial CT Scan

要約

目的: くも膜下出血 (SAH) は高い罹患率と死亡率を伴います。
深層学習の一種である畳み込みニューラル ネットワーク (CNN) は、画像データから高精度の予測を生成できます。
私たちの目的は、CNN ベースのアルゴリズムで最初の CT スキャンを処理することにより、SAH 患者の死亡率を予測することでした。
方法：2011年から2022年までのSAH患者の連続コホートを対象とした後ろ向き多中心研究。
人口統計学的、臨床的および放射線学的変数が分析されました。
前処理されたベースライン CT スキャン画像は、AUCMEDI フレームワークを使用して CNN をトレーニングするための入力として使用されました。
私たちのモデルのアーキテクチャは DenseNet-121 構造を活用し、転移学習原理を採用しています。
出力変数は最初の 3 か月間の死亡率でした。
モデルのパフォーマンスは、人工知能手法に関する研究で従来から使用されている統計パラメーターによって評価されました。
結果: 219 人の患者からの画像が処理され、175 枚が CNN のトレーニングと検証用に、44 枚がその評価用に処理されました。
患者の52%(115/219)が女性で、年齢中央値は58(SD=13.06)歳でした。
18.5%(39/219)が特発性SAHでした。
死亡率は28.5%(63/219)であった。
このモデルは、最初の CT スキャンの画像のみを使用して SAH 患者の死亡率を予測する際に良好な精度を示しました (精度 = 74%、F1 = 75%、AUC = 82%)。
結論: AI と CNN に基づく最新の画像処理技術により、CT スキャン画像を唯一の入力として使用して、SAH 患者の死亡率を高精度で予測することが可能になります。
これらのモデルは、より多くのデータと患者を含めることによって最適化され、その結果、従来の臨床知識のスキルを超えたタスクのトレーニング、開発、およびパフォーマンスが向上する可能性があります。

要約(オリジナル)

PURPOSE: Subarachnoid hemorrhage (SAH) entails high morbidity and mortality rates. Convolutional neural networks (CNN), a form of deep learning, are capable of generating highly accurate predictions from imaging data. Our objective was to predict mortality in SAH patients by processing the initial CT scan on a CNN based algorithm. METHODS: Retrospective multicentric study of a consecutive cohort of patients with SAH between 2011-2022. Demographic, clinical and radiological variables were analyzed. Pre-processed baseline CT scan images were used as the input for training a CNN using AUCMEDI Framework. Our model’s architecture leverages the DenseNet-121 structure, employing transfer learning principles. The output variable was mortality in the first three months. Performance of the model was evaluated by statistical parameters conventionally used in studies involving artificial intelligence methods. RESULTS: Images from 219 patients were processed, 175 for training and validation of the CNN and 44 for its evaluation. 52%(115/219) of patients were female, and the median age was 58(SD=13.06) years. 18.5%(39/219) were idiopathic SAH. Mortality rate was 28.5%(63/219). The model showed good accuracy at predicting mortality in SAH patients exclusively using the images of the initial CT scan (Accuracy=74%, F1=75% and AUC=82%). CONCLUSION: Modern image processing techniques based on AI and CNN make possible to predict mortality in SAH patients with high accuracy using CT scan images as the only input. These models might be optimized by including more data and patients resulting in better training, development and performance on tasks which are beyond the skills of conventional clinical knowledge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google