Głębokie uczenie oparte na TK w różnicowaniu ostrych i przewlekłych osteoporotycznych złamań kompresyjnych kręgów (CT-DL-OVCF)

Niniejsze badanie jest retrospektywnym, wieloośrodkowym badaniem obserwacyjnym, zaprojektowanym w celu opracowania i oceny systemu opartego na głębokim uczeniu, służącego do różnicowania ostrych i przewlekłych osteoporotycznych złamań kompresyjnych kręgów przy użyciu obrazów z tomografii komputerowej (TK).

Pacjenci z rozpoznaniem osteoporotycznego złamania kompresyjnego kręgu, u których wykonano zarówno badanie TK, jak i rezonans magnetyczny (MRI), zostaną retrospektywnie zebrani z Pierwszego Szpitala Klinicznego Uniwersytetu Medycznego w Chongqing oraz z jednego dodatkowego ośrodka medycznego w okresie od stycznia 2023 do września 2025 roku. Zostaną zebrane dane kliniczne, w tym wiek, płeć i wyniki densytometrii podwójnej energii absorpcjometrii rentgenowskiej (DXA), a także kompletne obrazy TK i MRI w formacie DICOM. Przerwa między badaniem TK a MRI musi być krótsza niż dwa tygodnie. Pacjenci ze złamaniami patologicznymi spowodowanymi infekcją lub guzem, obecnością ciał obcych, takich jak cement kostny lub metalowe implanty, lub ze słabą jakością obrazu z istotnymi artefaktami zostaną wykluczeni.

Przebieg badania obejmuje zbieranie danych, rozwój modelu, ocenę wydajności i analizę interpretowalności modelu. W pierwszej kolejności zostaną ocenione różne modele segmentacji głębokiego uczenia, w tym U-Net, U-Mamba i UNETR++, pod kątem wydajności segmentacji trzonów kręgów. Na podstawie optymalnych wyników segmentacji, modele klasyfikacyjne, takie jak VGG-16, DenseNet-121, Vision Transformer (ViT) oraz architektury oparte na Transformer, zostaną wytrenowane w celu różnicowania ostrych i przewlekłych złamań kompresyjnych. Najlepiej działający model zostanie wybrany do skonstruowania ostatecznego systemu klasyfikacji.

Wydajność modelu w zadaniach segmentacji będzie oceniana przy użyciu współczynnika podobieństwa Dice i wartości strat. Wydajność klasyfikacji będzie oceniana na zewnętrznym zbiorze danych walidacyjnych przy użyciu pola pod krzywą ROC (AUC), czułości, specyficzności, dokładności, wartości predykcyjnej dodatniej i wartości predykcyjnej ujemnej. Krzywe ROC i macierze pomyłek zostaną wygenerowane w celu wizualizacji wydajności modelu.

Aby poprawić interpretowalność modelu, zostanie zastosowana mapa aktywacji klasy ważona gradientem (Grad-CAM) w celu wygenerowania map cieplnych podkreślających obszary obrazu, które w największym stopniu przyczyniają się do przewidywań modelu. Te mapy cieplne zostaną nałożone na obrazy TK, aby wizualnie zademonstrować, w jaki sposób model różnicuje ostre i przewlekłe osteoporotyczne złamania kompresyjne kręgów.

Na podstawie wstępnie zdefiniowanego obliczenia wielkości próby, zakładając czułość na poziomie 0,90, poziom istotności 0,05 i dopuszczalny błąd 0,05, oczekuje się, że w badaniu zostanie uwzględnionych łącznie 276 pacjentów (138 przypadków ostrych i 138 przewlekłych).