基于成像的系统性硬化综合征患者死亡风险预测
计算机视觉与模式识别
2025-11-19 v1 人工智能
摘要
肺间质性肺病(ILD)是系统性硬化综合征(SSc)患者死亡和疾病负担的主要原因。胸部CT是诊断和监测SSc患者肺部并发症的首选影像学检查方法。然而，其在疾病进展和死亡风险预测中的作用尚未完全阐明。本研究引入了一种新型的大规模纵向胸部CT分析框架，利用放射组学和深度学习技术预测与SSc肺部并发症相关的死亡风险。我们收集并分析了来自 Northwestern 硬化综合征注册表的2125例CT扫描，通过先进的影像分析技术对一年、三年和五年进行死亡分析。死亡标签基于记录的死亡时间确定，并经专家医生确认。在我们的数据集中，2125例CT扫描中，有181例、326例和428例分别来自一年、三年和五年内死亡的患者。使用ResNet-18、DenseNet-121和Swin Transformer，我们采用预训练模型并在2125张SSc患者图像上微调。模型在预测一年、三年和五年死亡风险的AUC分别为0.769、0.801和0.709。我们的发现表明，放射组学和深度学习计算方法具有潜力，可改善SSc相关肺间质性肺病的早期检测和风险评估，标志着该领域文献中的重要进展。
引用
@article{arxiv.2509.23530,
title = {Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis},
author = {Alec K. Peltekian and Karolina Senkow and Gorkem Durak and Kevin M. Grudzinski and Bradford C. Bemiss and Jane E. Dematte and Carrie Richardson and Nikolay S. Markov and Mary Carns and Kathleen Aren and Alexandra Soriano and Matthew Dapas and Harris Perlman and Aaron Gundersheimer and Kavitha C. Selvan and John Varga and Monique Hinchcliff and Krishnan Warrior and Catherine A. Gao and Richard G. Wunderink and GR Scott Budinger and Alok N. Choudhary and Anthony J. Esposito and Alexander V. Misharin and Ankit Agrawal and Ulas Bagci},
journal= {arXiv preprint arXiv:2509.23530},
year = {2025}
}
备注
11 pages, 4 figures, 1 table, accepted in MICCAI PRIME 2025