論文の概要: Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis

• arxiv url: http://arxiv.org/abs/2509.23530v1
• Date: Sat, 27 Sep 2025 23:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.276239
• Title: Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis
• Title（参考訳）: 全身性硬化症における画像ベース死亡予測
• Authors: Alec K. Peltekian, Karolina Senkow, Gorkem Durak, Kevin M. Grudzinski, Bradford C. Bemiss, Jane E. Dematte, Carrie Richardson, Nikolay S. Markov, Mary Carns, Kathleen Aren, Alexandra Soriano, Matthew Dapas, Harris Perlman, Aaron Gundersheimer, Kavitha C. Selvan, John Varga, Monique Hinchcliff, Krishnan Warrior, Catherine A. Gao, Richard G. Wunderink, GR Scott Budinger, Alok N. Choudhary, Anthony J. Esposito, Alexander V. Misharin, Ankit Agrawal, Ulas Bagci,
• Abstract要約: 全身性硬化症(SSc)における間質性肺疾患(ILD)の死因 本研究は,放射能と深層学習を利用して死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 50.46938276133494
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interstitial lung disease (ILD) is a leading cause of morbidity and mortality in systemic sclerosis (SSc). Chest computed tomography (CT) is the primary imaging modality for diagnosing and monitoring lung complications in SSc patients. However, its role in disease progression and mortality prediction has not yet been fully clarified. This study introduces a novel, large-scale longitudinal chest CT analysis framework that utilizes radiomics and deep learning to predict mortality associated with lung complications of SSc. We collected and analyzed 2,125 CT scans from SSc patients enrolled in the Northwestern Scleroderma Registry, conducting mortality analyses at one, three, and five years using advanced imaging analysis techniques. Death labels were assigned based on recorded deaths over the one-, three-, and five-year intervals, confirmed by expert physicians. In our dataset, 181, 326, and 428 of the 2,125 CT scans were from patients who died within one, three, and five years, respectively. Using ResNet-18, DenseNet-121, and Swin Transformer we use pre-trained models, and fine-tuned on 2,125 images of SSc patients. Models achieved an AUC of 0.769, 0.801, 0.709 for predicting mortality within one-, three-, and five-years, respectively. Our findings highlight the potential of both radiomics and deep learning computational methods to improve early detection and risk assessment of SSc-related interstitial lung disease, marking a significant advancement in the literature.
• Abstract（参考訳）: 間質性肺疾患(ILD)は全身性硬化症(SSc)における致死率と死亡率の主要な原因である。 胸部CT(Chest Computed Tomography)は,SSc患者の肺合併症の診断・モニタリングにおける主要な画像モダリティである。 しかし、病気の進行と死亡予測におけるその役割は、まだ完全には明らかになっていない。 本研究は,放射能と深部学習を利用してSScの肺合併症に伴う死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。 我々は,北西性硬化症登録簿に登録されたSSc患者の2,125個のCTを収集,解析し,高度な画像解析技術を用いて1,3,5年の死亡率解析を行った。 専門医が確認した1年、3年、5年の間隔で死亡記録に基づいて死亡ラベルが割り当てられた。 対象は1,3,5年以内に死亡した患者181,326,428例であった。 ResNet-18、DenseNet-121、Swin Transformerを使用して、トレーニング済みのモデルを使用し、2,125人のSSc患者の画像を微調整する。 AUCは0.769、0.801、0.709で、それぞれ1年、3年、5年以内に死亡を予測した。 本研究は,SSc関連間質性肺疾患の早期発見とリスク評価を改善するため,放射線学と深層学習の両手法の可能性を強調した。

関連論文リスト

• A Transformer-based survival model for prediction of all-cause mortality in heart failure patients: a multi-cohort study [5.831730826863567]
  心不全患者の36カ月の死亡を予測できるトランスフォーマーベースのAIモデルであるTRiskを開発した。 英国では1,418例の心不全403,534例(40～90歳)について検討した。
  論文  参考訳（メタデータ） (2025-03-16T01:53:50Z)
• 4D VQ-GAN: Synthesising Medical Scans at Any Time Point for Personalised Disease Progression Modelling of Idiopathic Pulmonary Fibrosis [5.926086195644801]
  我々は,IPF患者をリアルなCTボリュームで生成できるモデルである4D-VQ-GAN(4D Vector Quantated Generative Adversarial Networks)を提案する。 縦断的CT画像を生成するためのモデルの異なる構成を評価し, 結果と地中真理データを比較した。
  論文  参考訳（メタデータ） (2025-02-08T22:25:53Z)
• Enhanced Mortality Prediction In Patients With Subarachnoid Haemorrhage Using A Deep Learning Model Based On The Initial CT Scan [34.86503928854081]
  畳み込みニューラルネットワーク(CNN)は、画像データから高精度な予測を生成することができる。 本研究の目的は,CNN を用いたCT スキャンにより,下垂体出血患者の死亡率を予測することであった。
  論文  参考訳（メタデータ） (2023-08-25T13:33:56Z)
• A hybrid CNN-RNN approach for survival analysis in a Lung Cancer Screening study [17.26942882598847]
  肺がん検診におけるCNN-RNNの長期生存について検討した。 モデルは心血管障害および呼吸不全の患者で訓練された。 Coxニューラルネットワークは、内部データセットで0.75、外部データセットで0.69のIPCW Cインデックスを達成することができる。
  論文  参考訳（メタデータ） (2023-03-19T23:00:41Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• AIforCOVID: predicting the clinical outcomes in patients with COVID-19 applying AI to chest-X-rays. An Italian multicentre study [7.456548336226919]
  胸部X線(CXR)が集中治療や死亡などの重篤な結果の危険にさらされる患者の早期発見のための可能なツールとして使用できるかどうかを検討する。 CXRは、CT(Computed tomography)と比較して、より単純で、より速く、より広く、放射線線量を減らす放射線技術である。 2020年春にイタリアの6つの病院から820人の患者から収集されたデータを含むデータセットを提案する。
  論文  参考訳（メタデータ） (2020-12-11T18:03:08Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
  胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。 本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
  論文  参考訳（メタデータ） (2020-05-26T16:33:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。