2023年6月14日，发表在《美国放射学杂志（AJR）》上的一项研究，利用基于深度学习的模型结合初步胸部X射线片，可以预测社区获得性肺炎（CAP）患者在30天内的死亡率，并改善了已有的风险评估工具（CURB-65评分）的预测效果。

研究截图

现状：

该研究的第一作者、韩国首尔国立大学医学院放射科的Eui Jin Hwang博士通过一家机构于2013年3月至2019年12月之间对7,105名患者进行研究，将数据按照3:1:1的比例分为训练集、验证集和内部测试集，使用初步胸部X射线片对CAP诊断后30天内的总体死亡风险进行预测。

然后，Hwang等人在同一机构对2020年1月至2020年12月急诊就诊时被诊断为CAP的患者进行了DL模型的评估（n=947，暂定测试队列），并在其他两个不同的机构进行了进一步的评估（外部测试队列A：2020年1月至2020年12月，n=467；外部测试队列B：2019年3月至2021年10月，n=381）。比较了DL模型和基于混淆、血尿素氮水平、呼吸频率、血压和年龄≥65岁的风险评分的AUC值。

结论：

研究结果显示，利用初步胸部X射线片的DL模型在不同机构的测试队列中预测了CAP患者30天总体死亡率，AUC范围为0.77至0.80。此外，与CURB-65评分相比，该模型在相同的敏感性下具有更高的特异性（范围为61%至69%，CURB-65评分为44%至58%），差异具有统计学意义（p < 0.001）。

展望：

第一作者、韩国首尔国立大学医学院放射科的Eui Jin Hwang博士总结道：深度学习（DL）模型可以通过识别需要住院和强化治疗的高风险患者，指导CAP患者管理的临床决策。