文献

J-GLOBAL ID：202202286701190929   整理番号：22A0480498

正面胸部X線撮影からの深層学習を用いた人種/民族健康格差の検出【JST・京大機械翻訳】

Detecting Racial/Ethnic Health Disparities Using Deep Learning From Frontal Chest Radiography

著者 (10件)： Pyrros Ayis (Department of Radiology, Duly Health and Care, Hinsdale, Illinois) ,  Rodriguez-Fernandez Jorge Mario (Department of Neurology, University of Illinois at Chicago, Chicago, Illinois) ,  Borstelmann Stephen M. (Department of Radiology, University of Central Florida, Orlando, Florida) ,  Gichoya Judy Wawira (Department of Radiology, Emory University, Atlanta, Georgia) ,  Horowitz Jeanne M. (Department of Radiology, Northwestern Memorial Hospital, Northwestern University, Chicago, Illinois) ,  Fornelli Brian (Anthem Inc, Chicago, Illinois) ,  Siddiqui Nasir (Department of Radiology, Duly Health and Care, Hinsdale, Illinois) ,  Velichko Yury (Department of Radiology, Northwestern Memorial Hospital, Northwestern University, Chicago, Illinois) ,  Koyejo Sanmi Oluwasanmi (Department of Computer Science, University of Illinois at Urbana-Champaign, Urbana-Champaign, Illinois) ,  Galanter William (Department of Medicine, University of Illinois at Chicago, Chicago, Illinois)
資料名： Journal of the American College of Radiology  (Journal of the American College of Radiology)
巻： 19  号： 1 PB  ページ： 184-191  発行年： 2022年 
JST資料番号： W3219A  ISSN： 1546-1440  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,コロナウイルス病2019(COVID-19)の患者の2つのコホートにおいて,前頭胸部X線写真(CXRs)を用いたマルチタスク畳込みニューラルネットワーク(CNN)深層学習モデルおよび管理階層条件カテゴリーコードによって反映された有病率の間の,人種/民族および社会経済的格差を評価することであった。以前に発表されたCNNモデルを,外来性前頭CXRsからアテローム性動脈硬化性疾患を予測するために訓練した。次いで,このモデルを,郊外の場所(2020年3月14日,2020年10月24日,2020年3月14日,2020年8月12日,外部入院コホート)から,COVID-19:814の外来患者の2つのコホートについて検証した。CNNモデル予測を,両コホートにおける電子健康記録管理コードに対して検証し,受信者動作特性曲線(AUC)下の地域を用いて評価した。外来コホートからのCXRも2つのボード認定放射線科医によりレビューし,同じコホートのCNN予測値と比較し,受信者動作特性曲線とAUCを作成した。血管疾患HCC分類コードの予測値と存在または不在の間の差を参照して,アテローム性動脈硬化症診断不一致Δ_vascを計算した。線形回帰を行い,年齢,性別,人種/民族性,言語嗜好性,および社会的欠乏指数の共変量とΔ_vascの関連性を決定した。ロジスティック回帰を用いて,Δ_vascと他の共変量を持つ任意の階層的条件カテゴリー符号の存在間の関係を調べた。外来コホートにおける前頭CXRsからの血管疾患に対するCNN予測は,0.85(95%信頼区間,0.82~0.89)のAUCを有し,入院コホートは,電子健康記録データに対して0.69(95%信頼区間,0.64~0.75)のAUCを有した。外来コホートにおいて,コンセンサス放射線科医の読みはCNNと比較して0.89(95%信頼区間,0.86~0.92)のAUCを有した。外来コホートにおけるΔ_vascの多変量線形回帰は,非英語嗜好性(β=-0.083,P<0.05)および黒人またはヒスパニック人種/民族(β=-0.048,P<0.05)および年齢(β=0.005,P<0.001)および性(β=0.044,P<0.05)との正の関連と有意な負の相関を示した。入院コホートでは,年齢も有意であった(β=0.003,P<0.01)。Δ_vasc変数(オッズ比[OR],0.34),黒人またはヒスパニック人種/民族性(OR,1.58),非英語嗜好性(OR,1.74),および部位(OR,0.22)は,複合患者コホートにおいて1つ以上の階層的条件カテゴリーコード(全てに対してP<0.01)を有する独立した予測因子であった。CNNモデルは,COVID-19による2つのコホート(1つの外来と1つの入院)における大動脈アテローム性動脈硬化症の予測であった。CNNモデルと管理コードΔ_vascとの不一致は,外来コホートにおける言語選好と関連していた;入院コホートでは,この不一致は社会的枯渇指数と関連していた。管理コードの欠如は複合コホートにおけるΔ_vascと関連し,Δ_vascは健康格差の独立した予測因子であることを示唆した。これは,日常イメージング研究から抽出したバイオマーカーと電子健康記録データと比較して,介護に対する障壁が存在している伝統的に保存または不利な患者の価値ベースの健康管理の強化において,役割を演ずるかもしれないことを示唆する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 大動脈 ,  画像処理 ,  英語 ,  嗜好性 ,  都市郊外 ,  健康管理 ,  *母集団 ,  アテローム性動脈硬化症 ,  バイオマーカー ,  電子カルテ
準シソーラス用語： ROC曲線 ,  ロジスティック回帰分析 ,  線形回帰 ,  予測因子 ,  予測値 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  血管疾患 ,  価値に基づく健康管理 ,  健康格差 ,  階層的条件カテゴリー

分類 (5件)： 泌尿生殖器の診断  (GM02000E) ,  歯と口腔の診断  (GT02000Z) ,  循環系疾患の外科療法  (GJ05030X) ,  血液・体液作用薬の臨床への応用  (GW14020X) ,  健康被害  (SB03070P)

タイトルに関連する用語 (6件)： 正面 ,  胸部X線撮影 ,  深層学習 ,  人種 ,  民族 ,  健康格差