AI-based analysis of CT images for rapid triage of COVID-19 patients.
AI-based analysis of CT images for rapid triage of COVID-19 patients.
复制标题
DOI：
10.1038/s41746-021-00446-z
复制
发表时间：
2021-04-22
影响因子：
15.2
通讯作者：
Lu G
中科院分区：
文献类型：
--
作者：
Xu Q;Zhan X;Zhou Z;Li Y;Xie P;Zhang S;Li X;Yu Y;Zhou C;Zhang L;Gevaert O;Lu G
新冠疫情使重症监护病房（ICU）的医疗资源不堪重负，机械通气设备（MV）短缺。我们对队列1（来自17家医院的1662例患者）进行了基于CT的分析，并结合电子健康记录和临床实验室结果，对新冠病毒核酸检测确诊患者进行快速分层预后评估。这些模型在由9家外部医院构建的队列2（700例）和队列3（662例）上进行了验证，在预测新冠患者入住ICU、使用MV以及死亡方面取得了令人满意的效果（受试者工作特征曲线下面积AUROC分别为0.916、0.919和0.853），即使是对入院两天后发生的事件预测也有较好效果（AUROC分别为0.919、0.943和0.856）。临床特征和影像特征在预测中均起到互补作用，并能对病情进展时间提供准确估计（p < 0.001）。我们的研究结果对于优化新冠疫情期间医疗资源的使用具有重要价值。相关模型可在以下网址获取：https://github.com/terryli710/COVID_19_Rapid_Triage_Risk_Predictor
The COVID-19 pandemic overwhelms the medical resources in the stressed intensive care unit (ICU) capacity and the shortage of mechanical ventilation (MV). We performed CT-based analysis combined with electronic health records and clinical laboratory results on Cohort 1 (n = 1662 from 17 hospitals) with prognostic estimation for the rapid stratification of PCR confirmed COVID-19 patients. These models, validated on Cohort 2 (n = 700) and Cohort 3 (n = 662) constructed from nine external hospitals, achieved satisfying performance for predicting ICU, MV, and death of COVID-19 patients (AUROC 0.916, 0.919, and 0.853), even on events happened two days later after admission (AUROC 0.919, 0.943, and 0.856). Both clinical and image features showed complementary roles in prediction and provided accurate estimates to the time of progression (p < 0.001). Our findings are valuable for optimizing the use of medical resources in the COVID-19 pandemic. The models are available here: https://github.com/terryli710/COVID_19_Rapid_Triage_Risk_Predictor.
登录
查看更多内容
影响因子：
5.8
作者：
Gu, Zuguang;Eils, Roland;Schlesner, Matthias
通讯作者：
Schlesner, Matthias
影响因子：
1.9
作者：
JIRSA, VK;FRIEDRICH, R;KELSO, JAS
通讯作者：
KELSO, JAS
影响因子：
168.9
作者：
Huang, Chaolin;Wang, Yeming;Cao, Bin
通讯作者：
Cao, Bin
预测病毒性肺炎患者死亡风险的临床特征：MuLBSTA 评分
影响因子：
5.2
作者：
Guo, Lingxi;Wei, Dong;Qu, Jieming
通讯作者：
Qu, Jieming
影响因子：
168.9
作者：
Chan, Jasper Fuk-Woo;Yuan, Shuofeng;Yuen, Kwok-Yung
通讯作者：
Yuen, Kwok-Yung