Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Predicting Risk of Pulmonary Fibrosis Formation in PASC Patients

Created by
  • Haebom

저자

Wanying Dou, Gorkem Durak, Koushik Biswas, Ziliang Hong, Andrea Mia Bejar, Elif Keles, Kaan Akin, Sukru Mehmet Erturk, Alpay Medetalibeyoglu, Marc Sala, Alexander Misharin, Hatice Savas, Mary Salvatore, Sachin Jambawalikar, Drew Torigian, Jayaram K. Udupa, Ulas Bagci

개요

본 논문은 코로나19 장기 후유증(Long COVID, PASC)으로 인한 폐 섬유화를 예측하기 위한 새로운 다기관 흉부 CT 분석 프레임워크를 제시합니다. 이 프레임워크는 심층 학습(CNN)과 방사선 유전체학을 결합하여 폐 섬유화를 예측하며, 82.2%의 정확도와 85.5%의 AUC를 달성했습니다. Grad-CAM 시각화 및 방사선 유전체학 기반 특징 분석을 통해 임상적으로 관련성 있는 통찰력을 제공하여 PASC 관련 폐 섬유화의 조기 진단 및 위험 평가에 심층 학습 기반 계산 방법의 잠재력을 강조합니다.

시사점, 한계점

•
시사점:
◦
심층 학습 기반의 새로운 폐 섬유화 예측 프레임워크 제시.
◦
높은 정확도(82.2%)와 AUC(85.5%) 달성.
◦
Grad-CAM 및 방사선 유전체학 분석을 통해 임상적 통찰력 제공.
◦
PASC 관련 폐 섬유화의 조기 진단 및 위험 평가 가능성 제시.
•
한계점:
◦
다기관 연구이지만, 표본 크기 및 참여 병원 수에 대한 구체적인 정보 부족.
◦
다양한 인종 및 민족적 배경을 가진 환자의 대표성에 대한 언급 부족.
◦
장기적인 추적 관찰 연구를 통한 예측 모델의 지속적인 정확성 및 신뢰도 검증 필요.
◦
임상적 적용을 위한 추가 연구 및 검증 필요.
👍
Made with Slashpage