Keuhkoembolian havaitsemiseen rintakehän CT-skannausten syväoppimiseen perustuvan mallin ulkoinen validointi

Keuhkoembolia (PE) on mahdollisesti kuolemaan johtava sairaus, jos sitä ei diagnosoida ja hoitaa ajoissa. Rintakehän CTPA on edelleen diagnoosin kultastandardi nykyään, mutta PE voidaan myös satunnaisesti löytää tehostetuista CT-skannauksista. Suurin osa CTPA-tutkimuksista tehdään klinikoilla, jos epäillään PE:tä kiireellisissä olosuhteissa, kun taas pieni osa niistä tehdään epäilyttävän tai validoidun kroonisen keuhkotromboembolian vuoksi. Tämä sairaus jää usein huomiotta TT-kuvauksissa, mutta johon liittyy korkea sairastuvuus ja huono ennuste, jos sitä ei hoideta. . Siten menetelmillä keuhkoverisuonien embolien tunnistamisen nopeuttamiseksi ja automatisoimiseksi on potentiaalia tulla tärkeäksi tueksi kliinisessä käytännössä, mikä mahdollistaa kiireellisten PE-tapausten paremman erottelun ja lisää herkkyyttä kroonista keuhkoveritulppaa sairastavien potilaiden tunnistamisessa. Näiden kliinisten tarpeiden pohjalta on kehitetty syväoppimiseen perustuva malli keuhkoembolian havaitsemiseksi CTPA-skannauksilla. Malli perustui 2D ResNext50 -arkkitehtuuriin, ja se koulutettiin ja validoitiin käyttämällä monikeskistä avoimen lähdekoodin tietojoukkoa, joka koostui 7169 potilaasta. Näistä retrospektiivisistä tiedoista poimittiin harjoittelua varten 85 000 PE:n positiivista ja 123 428 PE:n negatiivista siivua. Sisäiseen validointiin jokaisessa luokassa käytettiin 9 922 viipaletta. Malli validoitiin alun perin ulkoisesti potilastasolla käyttämällä tietojoukkoa, joka sisälsi 156 aikuista potilasta kolmesta eri julkisesta lähteestä, ja kaikki embolit segmentoi vähintään yksi kokenut radiologi. Mallin ennusteiden ymmärtämiseksi aktivointikartat poimittiin Grad-CAM-menetelmällä. Vertaamalla näitä karttoja perustotuus (GT) -segmentaatioihin, määritettiin, vastasivatko aktivoidut alueet PE:n alueita laskemalla aktivoituneen GT PE:n prosenttiosuus ja GT PE:tä vastaavien aktivoitujen alueiden prosenttiosuus. PE-luokitusmalli saavutti käyrän alla olevan alueen (AUC) 0,86 [0,800-0,919], herkkyys 82,68 % [75,16 - 88,27] ja spesifisyys 79,31 % [61,61 - 90,15] ulkoisessa validointijoukossa. Nämä tulokset on kuitenkin saatu epätasapainoisessa ulkoisessa validointikohortissa (127 PE-positiivista 29 PE-negatiivista potilasta vastaan), joten on erittäin tärkeää arvioida mallin suorituskykyä myös tasapainoisemmassa potilaskohortissa, joka edustaa PE:n todellista kliinistä ilmaantuvuutta ( välillä 12-22 %). Tästä syystä tämän tutkimuksen tarkoituksena on kerätä ulkoinen validointikohortti, joka edustaa todellista kliinistä todellisuutta, mukaan lukien sekä CTPA- että tehostetut CT-skannaukset, joissa on tasapainoisempi positiivisten ja negatiivisten PE-tapausten prosenttiosuus. Lisäksi mallin suorituskykyä verrataan tehostettujen CT- ja CTPA-skannausten välillä.