Lernmodell zur Klassifikation eines Lungenemphysems im CT

Im CT können die typischen Merkmale einer COPD dargestellt und mit den Fleischner-Kriterien nach einer 6-Punkte-Skala klassifiziert werden. Doch eine solche visuelle Befundung ist subjektiv, zeitaufwendig und erfordert Übung. Deshalb entwickelten Humphries und seine Kollegen ein Lernmodell zur Fleischner-Klassifikation und testeten es an Kohorten der multizentrischen Studien COPDGene und ECLIPSE.

Publication History

Article published online:
28 October 2020

• Literatur

• 1 Schroeder JD. et al Relationships between airflow obstruction and quantitative CT measurements of emphysema, air trapping, and airways in subjects with and without chronic obstructive pulmonary disease. Am J Roentgenol 2013; 201: W460-W470 . doi: 10.2214/Am J Roentgenol.12.10102
• 2 Gonem S. et al. Applications of artificial intelligence and machine learning in respiratory medicine. Thorax 2020; DOI: 10.1136/thoraxjnl-2020-214556.
• 3 Lynch DA. et al Genetic Epidemiology of COPD (COPDGene) Investigators. CT-based Visual Classification of Emphysema: Association with Mortality in the COPDGene Study. Radiology 2018; 288: 859-866 . doi:10.1148/radiol.2018172294