研究显示，人工智能可能改善糖尿病诊断

根据一项新的研究，通过使用全自动人工智能（AI）深度学习模型，研究人员能够在腹部CT扫描中识别2型糖尿病的早期症状。

　　

大约13%的美国成年人患有2型糖尿病，另外34.5%的成年人符合糖尿病前期的标准。由于症状发作缓慢，早期诊断非常重要。一些糖尿病前期病例可持续8年之久，早期诊断可使患者改变生活方式，从而改变疾病的进展。

腹部CT成像是诊断2型糖尿病的一个很有前途的工具。CT成像已经广泛应用于临床实践，它可以提供大量关于胰腺的信息。先前的研究表明，糖尿病患者比非糖尿病患者更倾向于在胰腺内积累更多的内脏脂肪和脂肪。然而，对胰腺周围的肝脏、肌肉和血管的研究还不多，该研究的共同资深作者Ronald M. Summers说，他是马里兰州贝塞斯达国家卫生研究院临床中心的高级研究员和放射学家。

该研究的第一作者Hima Tallam说:“对胰腺和胰腺外特征的分析是一种新颖的方法，据我们所知，以前的工作中没有显示过。”学生。

由放射科医生或训练有素的专家手工分析低剂量胰腺CT图像是一个耗时且困难的过程。作者说，为了解决这些临床挑战，需要改进胰腺的自动图像分析。

在这项回顾性研究中，萨默斯博士和他的同事与资深作者佩里·j·皮克哈特(Perry J. Pickhardt，医学博士，威斯康辛大学医学与公共卫生学院放射学教授)密切合作，使用了在威斯康星大学医院和诊所进行常规结肠直肠癌CT筛查的患者数据集。在2004年至2016年期间接受筛查的8992名患者中，572人被诊断为2型糖尿病，1880人患有血糖异常，血糖异常指的是血糖水平过低或过高。糖尿病和血糖异常诊断之间没有重叠。

为了建立深度学习模型，研究人员使用了从各种数据集获得的共471张图像，包括医疗数据十项全能(Medical Data Decathlon)、癌症成像档案(the Cancer Imaging Archive)和超越颅穹(Beyond Cranial Vault)挑战。然后将471幅图像分成三个子集:424幅用于训练，8幅用于验证，39幅用于测试。研究人员还包括了四轮主动学习的数据。

深度学习模型显示了很好的结果，与人工分析相比几乎没有区别。除了各种胰腺特征外，该模型还分析了内脏脂肪、周围腹部肌肉和器官的密度和体积。

结果表明，糖尿病患者的胰腺密度较低，内脏脂肪量高于非糖尿病患者。

“我们发现糖尿病与患者胰腺和腹部的脂肪量有关，”萨默斯博士说。“这两个地方的脂肪越多，患者患糖尿病的可能性就越大。”

最终模型中2型糖尿病的最佳预测指标包括胰内脂肪百分比、胰腺分形维数、L1-L4椎体水平之间的斑块严重程度、平均肝脏CT衰减和BMI。深度学习模型使用这些预测因子来准确地识别糖尿病患者和非糖尿病患者。

作者说:“这项研究向更广泛地使用自动化方法来解决临床挑战迈出了一步。”“这也可能为未来研究糖尿病患者胰腺变化的原因提供信息。”

Journal Reference:

1. Hima Tallam, Daniel C. Elton, Sungwon Lee, Paul Wakim, Perry J. Pickhardt, Ronald M. Summers. Fully Automated Abdominal CT Biomarkers for Type 2 Diabetes Using                     Deep Learning. Radiology, 2022; DOI: 10.1148/radiol.211914