摘要 目的 开发和验证一个有效且用户友好的人工智能平台,该平台基于一些无偏临床变量,结合先进的 CT 自动分析,用于 COVID-19 患者的风险分层。材料与方法 总共回顾性地纳入了第一波疫情(2020 年 2 月 16 日至 4 月 29 日)期间 16 家医院收治的 1575 名连续 COVID-19 成人,这些患者在入院后 72 小时内接受了胸部 CT 检查。总共初步收集了 107 个变量;从 CT 中提取了 64 个。结果是生存率。采用严格的 AI 模型选择框架进行模型选择和自动 CT 数据提取。比较了模型性能的 AUC。使用 Microsoft PowerApps 环境开发了一个 Web 移动界面。该平台已在第 2 波(2020 年 10 月 14 日至 12 月 31 日)期间前瞻性招募的 213 名 COVID-19 成年人身上进行了外部验证。结果 最终队列包括 1125 名患者(292 名非幸存者,26%)和 24 个变量。Logistic 在完整变量集上表现出最佳性能(AUC = 0.839 ± 0.009),就像在包含一组有限的 13 个和 5 个变量的模型中一样(AUC = 0.840 ± 0.0093 和 AUC = 0.834 ± 0.007)。对于非劣效性能,选择 5 个变量模型(年龄、性别、饱和度、通气良好的肺实质和心胸血管钙化)作为最终模型,并完全自动化提取 CT 衍生参数。全自动模型在第 1 波上显示 AUC = 0.842(95% CI:0.816–0.867),并用于构建 0-100 量表风险评分(AI-SCoRE)。在第 2 波上确认了预测性能(AUC 0.808;95% CI:0.7402–0.8766)。结论 AI-SCoRE 是一种有效可靠的平台,可基于一些无偏临床数据和 CT 自动分析对 COVID-19 患者进行自动风险分层。
主要关键词