Machine learning models using dual-phase CT radiomics for early detection of PRISm
8.0
来源：
Nature
关键字：
AI brain science
发布时间：
2025-11-12 07:37
摘要：
本研究开发了一种基于双相CT影像的机器学习模型，用于早期识别保留比率受损肺活量（PRISm），该状态被视为慢性阻塞性肺疾病（COPD）的早期阶段。研究结果表明，结合临床特征和放射组学特征的模型在识别PRISm方面表现优越，具有较高的诊断性能，尤其是在外部验证中显示出良好的泛化能力。该技术的应用可为早期诊断和及时干预提供支持，具有显著的市场潜力，适合早期投资关注。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.0分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
结合临床特征和放射组学特征的模型在识别PRISm方面表现优越。
研究显示，单相呼气CT扫描结合临床特征的模型具有较高的AUC值。
研究在中国进行，涉及270名参与者，数据支持模型的有效性。
真实性检查
否
AI评分总结
本研究开发了一种基于双相CT影像的机器学习模型，用于早期识别保留比率受损肺活量（PRISm），该状态被视为慢性阻塞性肺疾病（COPD）的早期阶段。研究结果表明，结合临床特征和放射组学特征的模型在识别PRISm方面表现优越，具有较高的诊断性能，尤其是在外部验证中显示出良好的泛化能力。该技术的应用可为早期诊断和及时干预提供支持，具有显著的市场潜力，适合早期投资关注。