机构名称：
¥ 1.0
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。
AI-SCoRE（人工智能-SARS CoV2 风险评估）
主要关键词
相关文件推荐
