具有体积阈值的人工智能有助于脾肿大的机会性筛查

根据 ARRS 自己的伦琴学杂志( AJR )上发表的一份已接受的手稿，使用自动化深度学习人工智能工具以及基于重量的体积阈值，可能会承担大规模针对任何指征进行的 CT 检查评估脾肿大。

注意到，历史上，用作脾体积替代的标准线性脾测量在检测基于体积的脾肿大方面表现不佳，“基于体重的体积阈值表明大多数接受肝移植前 CT 的患者存在脾肿大， ”通讯作者、威斯康星大学医学与公共卫生学院放射科医学博士Perry J. Pickhardt解释道。

Pickhardt 及其同事接受AJR的手稿包括 8,901 名患者(4,235 名男性，4,666 名女性;平均年龄 56 岁)的筛查样本，这些患者从 2004 年 4 月至2017 年 1 月。从 2011 年 1 月到 2013 年 5 月，由 104 名终末期肝病患者(62 名男性，42 名女性;平均年龄 56 岁)组成的第二队列接受了肝移植前 CT 检查。Pickhardt 等人的深度学习算法- 先前在国立卫生研究院临床中心开发、培训和测试 - 用于脾脏分割，以帮助确定脾脏体积，由两名放射科医生独立审查所述分割的子集。

最终，这种自动化的深度学习人工智能工具被用来计算来自主要门诊人群的 8,853 名患者的 CT 检查的脾体积。此外，在一系列患者因素中，脾脏体积与体重的相关性最强。

“据我们所知，” AJR的作者总结道，“这项研究代表了所报告的接受脾脏体积分割的最大患者样本。”