基于AI的多组学分析方法鉴别新型冠状病毒感染和社区获得性肺炎的价值
王晓兰1
赵建华2
1.内蒙古科技大学包头医学院研究生院, 内蒙古 包头 0140402.内蒙古自治区人民医院影像医学科,呼和浩特 010017;内蒙古医科大学内蒙古临床医学院/包头医学院内蒙古临床医学院,呼和浩特 010017
摘要：目的:旨在评估基于影像组学特征和常规临床信息(包括临床症状及临床检验数据)的多组学模型在区分新型冠状病毒感染(COVID-19)和社区获得性肺炎(CAP)方面的分类性能.方法:收集奥密克戎(Omicron)变异株引起的COVID-19确诊患者和其他病毒感染引起的CAP确诊患者临床及胸部CT影像资料,基于数据集构建影像组学模型、临床特征模型、多组学模型,通过受试者工作特性曲线(ROC)分析评估每个模型的分类性能.结果:选择8 个影像组学特征和7 个临床特征来构建影像组学模型、临床特征模型、多组学模型.在测试集中,影像组学模型受试者工作特征曲线下面积(AUC)为0.759,临床特征模型AUC为0.853,多组学模型AUC为0.9.结论:基于AI的多组学分析方法构建的多组学模型分类性能高于影像组学模型和临床特征模型,对COVID-19和CAP的鉴别诊断具有可行性.
关键词：人工智能新型冠状病毒感染社区获得性肺炎影像组学检验组学
分类号：O242(计算数学)R814(放射医学)R563.1(呼吸系及胸部疾病)
资助基金：内蒙古自治区人民医院院内基金项目(2020YN08)包头医学院研究生教育教学改革项目(B-YJSJG202303)
论文发表日期：2023-05-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 357-366 )
英文信息