人工智能可能改善糖尿病诊断

根据发表在该杂志上的一项新研究，使用全自动人工智能(AI)深度学习模型，研究人员能够在腹部CT扫描中识别2型糖尿病的早期迹象放射学．

2型糖尿病大约13%的美国成年人患有糖尿病，另有34.5%的成年人符合前驱糖尿病的标准。由于症状发作较慢，因此在疾病早期诊断很重要。一些前驱糖尿病病例可以持续长达8年，早期诊断将允许患者改变生活方式，以改变疾病的进展。

腹部CT成像是诊断2型糖尿病的一个很有前途的工具。CT成像已经广泛应用于临床实践，它可以提供大量关于胰腺的信息。先前的研究表明，糖尿病患者往往会积累更多的脂肪内脏脂肪而胰腺内的脂肪比非脂肪多糖尿病患者．然而，对肝脏、肌肉和肌肉的研究还不多血管该研究的共同资深作者、马里兰州贝塞斯达国立卫生研究院临床中心的高级研究员和放射科医生罗纳德·m·萨默斯说。

“对胰腺和胰腺外特征的分析是一种新颖的方法，据我们所知，在以前的工作中没有显示过，”第一作者Hima Tallam说，b.s.e.，医学博士/博士。学生。

由放射科医生或训练有素的专家手动分析低剂量无对比的胰腺CT图像是一个耗时且困难的过程。作者说，为了解决这些临床挑战，需要改进胰腺的自动图像分析。

在这项回顾性研究中，Summers博士及其同事与威斯康辛大学医学与公共卫生学院放射学教授Perry J. Pickhardt医学博士密切合作，使用了在威斯康辛大学医院和诊所接受常规结直肠癌CT筛查的患者数据集。在2004年至2016年期间接受筛查的8992名患者中，572人被诊断为2型糖尿病，1880人患有血糖异常，血糖异常指的是血糖水平过低或过高。糖尿病和血糖异常诊断之间没有重叠。

为了建立深度学习模型，研究人员使用了从各种数据集中获得的471张图像，包括医疗数据十项全能(Medical Data Decathlon)、癌症成像档案(Cancer Imaging Archive)和超越颅Vault挑战(Beyond Cranial Vault challenge)。然后将471张图像分为三个子集:424张用于训练，8张用于验证，39张用于测试集。研究人员还收集了四轮主动学习的数据。

深度学习模型显示了出色的结果，与人工分析相比几乎没有差异。除了各种胰腺特征，该模型还分析了周围腹肌和器官的内脏脂肪、密度和体积。

结果显示，糖尿病患者的胰腺密度低于非糖尿病患者，内脏脂肪含量高于非糖尿病患者。

“我们发现，糖尿病与患者胰腺和腹部的脂肪含量有关，”萨默斯博士说。“这两个部位的脂肪越多，患者在较长一段时间内患糖尿病的可能性越大。”

在最终模型中，2型糖尿病的最佳预测因子包括胰腺内脂肪百分比、胰腺分形维数、L1-L4椎间斑块严重程度、平均肝脏CT衰减和BMI。的深度学习模型使用这些预测指标来准确地识别糖尿病患者和非糖尿病患者。

作者说:“这项研究是朝着更广泛地使用自动化方法来解决临床挑战迈出的一步。”“这也可能为未来研究糖尿病患者胰腺变化的原因提供信息。”