外媒 | 机器学习协作开发有助于量化关节损伤-普瑞纯证

一项发表在JAMA Network Open上的新研究显示，采用众包方法开发的机器学习模型可以改善量化类风湿性关节炎（RA）患者的放射学关节损伤的努力。RA是一种慢性炎症性疾病和自身免疫性疾病，影响关节内膜，导致疼痛性肿胀、僵硬和在某些情况下的身体残疾。与RA相关的炎症不仅会导致关节畸形和骨质疏松等并发症，还会影响身体的其他部位，如皮肤、眼睛、肺、心脏和血管。这些结果使得准确和及时评估关节损伤对患者的护理和治疗决策至关重要。近年来，人工智能和机器学习在医学影像、慢性疾病管理和临床决策支持方面显示出了显著的潜力。然而，辐射学和放射学等领域的各种挑战和限制，尤其是对于类似RA这样的疾病，已经减缓了这一领域的进展。为了鼓励研究，研究作者设计并实施了一个国际众包竞赛，以开发能够使用RA患者手和脚的放射照片量化关节损伤的机器学习模型。每个模型使用关节间隙狭窄和侵蚀来量化每个模型中的关节损伤。对于这个名为类风湿性关节炎2-逆向工程评估和方法对话（RA2-DREAM Challenge）的竞赛，参与者使用来自两个不同临床研究的现有放射照片图像，包括来自562名患者的674个放射照片集。参与者的任务是利用这些数据开发能够成功完成三个量化相关子挑战的机器学习模型：评估总体损伤、关节间隙狭窄和侵蚀。竞赛收到了来自7个国家的26个参与者或团队的173个提交的排行榜回合。13个提交被包括在最终评估中。这些模型与专家策划的Sharp-van der Heijde（SvH）评分进行比较，这是一种评分RA放射照片的标准方法。使用后竞赛独立验证数据集评估了每个模型的性能和可重复性。总的来说，获胜的模型在三个子挑战中均取得了高性能。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。