新模型有助提高慢阻肺诊断效率
本报讯（特约记者 王根华） 基于深度学习全自动分割模型，上海长征医院放射诊断科刘士远教授团队使用全肺影像组学特征联合临床变量，开发出一种能精准预测慢性阻塞性肺疾病（简称慢阻肺）的新模型，并应用诺莫图清晰显示慢阻肺的患病概率。相关研究文章近日在线发表在国际医学杂志《军事医学研究》上。
目前，临床诊断和评估慢阻肺的金标准是肺功能检测，但肺功能检测不够敏感。影像组学技术是一种新的医学影像分析方法，可实现病灶分割、特征提取与模型建立。对海量影像数据信息进行更深层次的挖掘、预测和分析，可为辅助医师作出更准确的诊断提供可能。刘士远表示，通过从不同模态的医学影像定量提取代表性的影像特征，将医学影像转化为可挖掘的数字信息，利用算法进行分析处理，并将其与临床特征进行对比、分析、建模，实现了病变诊断和预测等。
刘士远团队研究发现，联合临床信息和全肺影像组学特征的联合模型在内部验证集和外部验证集中均具有良好诊断效能。诺莫图的构建能将复杂的医学图像和数据以直观的方式清晰呈现出来，帮助医生快速识别疾病特征和异常变化，从而提高诊断准确性和效率。
