CT의 급성 맹장염에 대한 IA 모델

부록 모델 정보 개발

- 본 연구에서는 완전 자동화된 진단 프레임워크를 기반으로 사전 학습된 맹장 정보(IA) 모델을 사용하여 확률 및 특징 매핑을 통해 비충수염, 단순 맹장염, 복합 맹장염의 세 가지 클래스를 예측했습니다.

7,147명의 환자의 3D CT 이미지에서 학습된 IA 모델 임베딩 매개 변수의 파이프라인은 DenseNet, EfficientNet 및 ResNet의 세 가지 3D CNN 모델을 사용한 전이 학습에 연결된 2단계 바이너리 알고리즘으로 구성되었습니다.

- 임상의가 맹장염 치료를 결정할 때와 마찬가지로 3개의 실제 클래스의 3D 이미지로부터 고유 패턴을 학습하기 위해 전이 학습을 위한 2단계 이진 알고리즘을 적용했습니다. 파이프라인의 첫 번째 단계에서는 비충수염과 충수염을 식별하기 위해 1단계 분류 모델이 개발되었습니다. 파이프라인의 두 번째 단계에서 2단계 분류 모델은 1단계에서 학습한 훈련 가능한 매개변수로 전송된 데이터에서 단순 맹장염과 복잡한 맹장염을 식별했습니다.

현재 최종 IA 모델은 급성 충수염의 임상적 의심으로 인해 복통으로 응급실을 방문하고 복부골반 CT를 받은 환자에 대한 광범위한 적격 기준을 갖춘 이전에 볼 수 없었던 외부 기관의 데이터 세트를 사용하여 외부적으로 검증되었습니다.

Intervention 급성 복부 질환으로 응급실을 방문한 환자의 CT 스캔에서 수집한 전향적 무작위 데이터 세트의 비, 단순, 복잡 충수염에 대한 음성 충수 절제술 비율(NAR)에 대한 인간 모델과 IA 모델 간의 비교 연구입니다. 통증. 대조 부문의 참가자는 방사선 전문의가 아닌 10명이었습니다.

IA 모델은 인간 피험자를 보호하는 측면에서 결과에 대한 수학적 추론에 대한 IA 모델의 진단 프레임워크를 조사하는 법적 및 윤리적 측면과 관련하여 진행 중인 임상 실습에서 임상의의 수술 전 결정 과정을 방해하는 것이 허용되지 않습니다.

인간 피험자에 대한 최소한의 위험과 인공 지능의 윤리적, 법적 측면을 고려하여 연구 설계에서는 병리학적 확인 유무에 관계없이 맹장염 치료가 완료된 후 CT 이미지를 방사선 전문의가 아닌 사람과 IA 모델에 엄격하게 할당합니다.

데이터 할당 및 성능 평가

- IA 모델을 인간과 비방사선 전문의와 동일하게 비교하기 위해서는 비방사선 전문의에 대한 해석 조건이 다음과 같은 모든 기준을 충족해야 합니다. 연령, 성별, 실험실 값과 같은 변수가 없는 CT 영상만 무작위로 할당되어야 합니다. 방사선 전문의가 아닌 사람과 CT 영상의 환자의 소속이 동일해서는 안 됩니다. 비맹장염, 단순 및 복합 맹장염에 대한 비방사선 전문의에게 배정된 비율은 눈가림되어야 한다. 해석을 위한 CT 영상의 범위는 IA 모델의 자동 위치화에 의해 생성된 부록의 ROI 범위와 동일해야 합니다. 인간의 진단 성능을 평가하기 위해 방사선 전문의가 아닌 사람이 다음과 같이 4가지 테스트 항목을 설정했습니다. (1) 맹장의 시각화; (2) 맹장염 제외; (3) 합병증; (4) CT 영상의 진단.

1차 및 2차 결과는 참가자를 대상으로 한 4가지 질문의 결과와 동일한 데이터 세트에서 IA 모델의 진단 성능을 사용하여 평가되었습니다.

윤리성 선언 보건복지부 개인정보보호위원회의 '의료정보 활용지침' 및 '가명정보 처리지침'에 따라, 보관된 데이터의 보안이 보장된 데이터 유출은 보건복지부 승인을 받아 실시되었습니다. 참여 기관의 데이터 검토위원회. 중앙 기관 검토 위원회(IRB)와 모든 참여 기관의 IRB가 이 연구를 승인했습니다.

표본 크기 및 통계 방법 외부 기관의 데이터 유출을 통해 IA 모델의 외부 검증을 완료한 연구자의 선행 연구에서는 외부 데이터 세트에서 NAR이 12.4%로 나타났습니다. NAR에 대한 비방사선 전문의의 표준 참조 값은 10.5% ± 5%로 보고되었습니다. 따라서 임상 적용을 위해 IA 모델과 비방사선 전문의 사이에서 허용되는 NAR 차이는 비열등성 한계의 10.0% 미만이어야 합니다.

단일 기관에 대한 무작위 통제 데이터세트의 표본 크기는 Z-검정에서 95% 신뢰 구간, 90% 통계력, 양측 α = 0.05, 유의 수준 = 0.05, 효과 크기 = 0.2를 가정하여 263명이었습니다. . 본 연구에는 두 개의 외부 기관이 참여했습니다. 두 외부 기관 간의 데이터 이질성, 정규화 및 지역별 유병률 차이로 인해 각 기관별로 표본 크기를 계산했습니다. 따라서 기관당 263명의 환자를 추적 손실률 10%로 가정하면 전체 표본 크기는 568명입니다.