定量成像定義為從醫學圖像中提取可量化的特征，用於評估正常結果或疾病、損傷或慢性病的嚴重程度、變化程度或狀態。通過眾多專家的努力，臨床上已經引入了一些定量的影像標誌物，如冠狀動脈鈣化評分、肝髒質子密度脂肪分數測量和骨密度測量。

        現階段，胸部X光檢查是全球最常進行的影像學檢查。胸部X光片的廣泛使用產生了大量的信息，但很少進行量化處理。肺部尺寸(如麵積或體積)是一種容易從胸片中提取的定量特征。因為肺容量的減少是限製性肺部疾病的標誌，利用胸片估計的總肺容量(TLC)可以作為數字篩查測試或監測有呼吸道症狀和/或體征的患者的工具。事實上，利用胸片進行TLC量化已有很長的曆史。然而，早期的研究是基於平麵測量技術或人工測量來估計TLC，這很費力和費時，因此阻礙了在臨床實踐中的實施。在這種情況下，基於深度學習的端到端係統將是一種解決方案，可以實現全自動測量並部署在放射科工作流程中。

        近日，發表在Radiology雜誌的一項研究開發了一個基於深度學習的多維模型，該模型能夠從胸片和人口統計學變量中評估TLC，並通過使用多中心回顧性數據集驗證其技術性能和臨床效用。

        本項研究利用2015年1月至2017年6月期間進行的50000次連續胸部CT掃描，對一個深度學習模型進行了預訓練。該模型在3523對來自同一天接受肺功能測試的連續患者的後正位胸片和胸透TLC測量值上進行了微調。該模型用兩個三級護理中心和一個社區醫院的多中心回顧性數據集進行了測試，包括(a)外部測試集1(n = 207)和外部測試集2(n = 216)的技術性能和(b)特發性肺纖維化患者(n = 217)的臨床效用。技術性能是用各種協議措施來評估的，而臨床效用是用多變量Cox回歸來評估總生存率的預後價值。

        在外部測試組1(161名男性;中位年齡，70歲[IQR：61-76歲])和外部測試組2(113名男性;中位年齡，63歲[IQR：51-70歲])中，觀察和估計TLC之間的平均絕對差異和主體內SD分別為0.69L和0.73L。 在特發性肺纖維化患者中(145名男性;中位年齡，67歲[IQR：61-73歲])，更大的估計TLC百分比與較低的死亡風險有關(調整後的危險比，0.97%;95%CI：0.95，0.98;P<0.001)。

        圖 特發性肺纖維化患者的Kaplan-Meier總生存曲線，按估計的總肺活量(TLC)百分比的四分位數分層。使用估計的TLC百分比定義風險類別如下：大於81.8%，風險很低;小於或等於81.8%和大於71.4%，風險低;小於或等於71.4%和大於63.7%，風險中等;小於或等於63.7%，風險高。這些風險類別與總生存率顯示出分級的相關性

        本項研究表明，研究所提出的基於深度學習的模型能夠通過使用年齡、性別和正麵胸片來評估總肺活量(TLC)。在調整了臨床風險因素和肺功能測試結果後，評估的TLC與特發性肺纖維化患者的總生存率具有相關性。

        原文出處：

        Hyungjin Kim,Kwang Nam Jin,Seung-Jin Yooet al.Deep Learning for Estimating Lung Capacity on Chest Radiographs Predicts Survival in Idiopathic Pulmonary Fibrosis.DOI:10.1148/radiol.220292