基于多模态机器学习的基于平片 X 线影像与临床数据的膝骨关节炎进展预测
计算机视觉与模式识别
2019-05-07 v2
摘要
膝骨关节炎（OA）是最常见的无治愈方法的肌肉骨骼疾病，当前治疗选择仅限于对症缓解。OA 进展预测是一个极具挑战且紧迫的问题，若得以解决，可加速疾病修饰药物的开发，并最终有助于预防每年进行的数百万例全关节置换手术。在此，我们提出一种基于多模态机器学习的 OA 进展预测模型，该模型利用原始放射影像数据、临床检查结果以及患者既往病史。我们在一个由 2,129 名受试者的 3,918 张膝关节图像组成的独立测试集上验证了该方法。我们的方法得到的 ROC 曲线下面积（AUC）为 0.79（0.78-0.81），平均精度（AP）为 0.68（0.66-0.70）。相比之下，基于逻辑回归的参考方法得到的 AUC 为 0.75（0.74-0.77），AP 为 0.62（0.60-0.64）。所提出的方法可显著改善 OA 药物开发试验的受试者筛选过程，并有助于个性化治疗方案的制定。
引用
@article{arxiv.1904.06236,
title = {Multimodal Machine Learning-based Knee Osteoarthritis Progression Prediction from Plain Radiographs and Clinical Data},
author = {Aleksei Tiulpin and Stefan Klein and Sita M. A. Bierma-Zeinstra and Jérôme Thevenot and Esa Rahtu and Joyce van Meurs and Edwin H. G. Oei and Simo Saarakkala},
journal= {arXiv preprint arXiv:1904.06236},
year = {2019}
}