抗药性肺结核多模态影像数据库的建立及人工智能产品评价体系研究

目的 建立抗药性肺结核多模态影像数据库并采用人工智能产品评价体系进行评价。方法 收集750例耐药性肺结核患者资料,构建耐药性肺结核病多模态影像数据库;建立基于电子计算机断层扫描(CT)影像大数据的人工智能(AI)辅助诊断模型,研究耐药性肺结核病灶自动分割模型、鉴别诊断模型,设计激活函数,研发肺结核AI临床辅助诊断决策系统。结果 AI算法模型分割耐药性肺结核病灶的结果与金标准相近,具有较高的病灶分割准确度。研究纳入的750例患者中,由AI产品评价体系诊断出肺结核的例数为726例,诊断准确率为96.80%。ROC曲线分析显示,AI产品评价体系对抗药性肺结核的诊断的敏感度为95.73%,特异度为85.73%,准确度为96.80%,曲线下面积(AUC)为0.912 (95%CI为0.865~0.956)。结论 该研究首次构建了国内耐药性肺结核多模态影像数据库,且开发的AI辅助诊断系统具有较高的肺结核精准诊断及鉴别的价值。

呼吸系统疾病影像数据收集、存储和管理标准及共享规范

胸部影像学检查已成为许多呼吸系统疾病诊断的“金标准”,而多模态、多中心呼吸系统疾病医学影像数据库的建设和利用,对呼吸系统疾病的诊断、治疗及预后等均具有重大意义。当前国内已有70%以上的医院实现了医疗信息化,但仅有不足3%的医院实现了影像数据互通,其主要原因除相关制度规定不够完善外,更多的则是缺乏统一的行业标准、质量控制和数据共享机制。为此,提出多模态影像数据收集、存储和管理标准及共享规范,以及影像大数据中心和云平台总体逻辑架构思路,为业内同行提供参考。