用于 COVID-19 患者结局预测的整合分析
图像与视频处理
2020-09-18 v2 计算机视觉与模式识别
摘要
尽管用于 COVID-19 诊断的胸部计算机断层扫描（CT）图像分析已被深入研究，但基于图像的患者结局预测工作甚少。对高危患者早期干预的管理是降低 COVID-19 肺炎病死率的关键，因为大多数患者自然康复。因此，在初次就诊时利用基线影像准确预测疾病进展有助于患者管理。不同于仅通过基于深度学习的图像分割获取肺部异常的大小、体积信息与特征，此处我们结合肺不透明度的放射组学以及来自人口统计学数据、生命体征和实验室发现的非影像特征，来预测重症监护病房（ICU）入院需求。据我们所知，这是首项使用包含影像与非影像数据的患者整体信息用于结局预测的研究。所提方法在分别来自三家医院（美国一家、伊朗一家、意大利一家）的数据集上进行了充分评估，共 295 名逆转录聚合酶链反应（RT-PCR）检测阳性的 COVID-19 肺炎患者。我们的实验结果表明，添加非影像特征可显著提升预测性能，达到最高 0.884 的 AUC 与高达 96.1% 的灵敏度，这可为 COVID-19 患者管理提供有价值的临床决策支持。我们的方法也可应用于其他肺部疾病，包括但不限于社区获得性肺炎。我们的工作源代码可在 https://github.com/DIAL-RPI/COVID19-ICUPrediction 获取。
引用
@article{arxiv.2007.10416,
title = {Integrative Analysis for COVID-19 Patient Outcome Prediction},
author = {Hanqing Chao and Xi Fang and Jiajin Zhang and Fatemeh Homayounieh and Chiara D. Arru and Subba R. Digumarthy and Rosa Babaei and Hadi K. Mobin and Iman Mohseni and Luca Saba and Alessandro Carriero and Zeno Falaschi and Alessio Pasche and Ge Wang and Mannudeep K. Kalra and Pingkun Yan},
journal= {arXiv preprint arXiv:2007.10416},
year = {2020}
}
备注
This paper has been accepted by Medical Image Analysis. The source code of this work is available at https://github.com/DIAL-RPI/COVID19-ICUPrediction