位置：
美国国立卫生研究院临床中心的研究人员开发了一种新的人工智能(AI)模型，使用非对比腹部CT图像分析与胰腺健康和脂肪水平相关的各种因素，以检测二型糖尿病风险。
这项研究发表在放射学，评估了8，992名患者，其中572名患有二型糖尿病病，1，880名患有血糖异常。所有患者筛查发生在2004年至2016年之间。
为了建立模型，研究人员使用了从各种数据集获得的471幅图像。他们将照片分为三类:424张用于训练，8张用于验证，39张用于测试集。
研究人员在分析图像时使用了多种测量方法。这些测量包括CT衰减、胰腺体积、胰腺内脂肪百分比和三维分形维数。
其他分析的特征包括内脏脂肪水平和密度以及邻近肌肉和器官的体积。
结果表明，低胰腺密度和高内脏脂肪与糖尿病患病率相关。
AI模型显示的一致和准确的结果表明，腹部CT生物标志物的全自动分析是预测和诊断糖尿病的可靠方法。
此外，研究人员希望在诊断二型糖尿病时继续实施多变量分析。
“这项研究朝着更广泛地使用自动化方法来解决临床挑战迈出了一步，”该研究的作者罗纳德·m·萨默斯医学博士和伊马·塔拉姆医学博士和博士生在新闻稿。“这也可能为将来研究糖尿病患者胰腺变化的原因提供信息。”Summers和Tallam分别在美国国立卫生研究院临床中心工作和学习。
作者确实指出了该研究的各种局限性，包括分割图像的困难，以及从最终模型中排除临床因素，如种族，家族史或血脂水平。
越来越多的预测分析方法被用于临床诊断。
例如，2020年8月开发的预测分析方法使用计算器来帮助临床医生预测中风。具体来说，该工具使用关于代谢系统的信息，包括血压和胆固醇。
另一项研究发表在自然通讯 描述了早期预警系统如何监测传染病。这项研究涉及3000名提供者，他们每周向疾病控制和预防中心报告流感样疾病的数据。利用这些数据，研究人员创建了一个预测模型，旨在为有中风风险的患者提供早期预警。
但是随着预测分析在医疗保健中的应用不断发展，研究人员正在采取措施来增强这些方法。
