通过报告衍生的放射学观察进行可审计的 CT 表型分析

医学图像基础模型可以通过计算机断层扫描 (CT) 预测临床表型，但强大的性能使它们是否读取特定于疾病的发现或与诊断相关的捷径存在不确定性。我们使用基于报告的放射学观察结果的可审计 CT 表型分析 (ACT) 在 221 个电子健康记录 (EHR) 表型中对此进行了测试。我们对 38,317 名患者进行了 ACT 训练，挖掘了 376,194 个观察结果，并在 25,183 名保留患者中进行了评估。 ACT 在零射击注释上超过了 5 个视觉语言基线，在未见过的 CT 肺血管造影的 221 个表型上的 CT-CLIP 超过了零射击评分（0.651 与 0.572）和线性探测（0.709 与 0.662）下的视觉语言基线。读取每个探针会揭示其准确性所隐藏的内容：只有 97 个观察结果占据 221 个 1 级位置，并且一个描述主动脉和冠状动脉钙化的短语在 20 个表型中排名第一，包括骨质疏松症、尿路感染和重度抑郁症。将库限制为临床医生指定的证据，可以将这些调查重新定向到 86 个表型的表型相关观察结果上，且没有准确性成本（0.751 与 0.741）。因此，基于 CT 的准确 EHR 表型分析可以依赖于观察结果，这些观察结果不是编码表型的有效证据，而 ACT 可以识别和干预。