基于机器学习构建 IPF（特发性肺纤维化）的临床预后模型与时序 CT 图像预测模型

本项目期望通过收集 IPF 患者的肺部 CT 影像，对 CT 影像资料的肺部切割，特征区域识别，三维立体重建，借助人工智能深度学习算法，识别关键影像特征。结合病史、各类检查等临床资料，借助机器学习算法筛选特征，构建多模态的 IPF 临床预后模型。实现对 IPF 生存进展的预测，促进对 IPF 患者临床进展的有效认识，积极采取分层次的治疗方案，改善不良的治疗预后，延长患者的生存时间，提高患者的生活质量。同时可以根据本模型对肺部 CT、肺功能等各项生理指标检查结果的评估，针对不同的患者采取更具有针对性的治疗手段，例如：抗纤维化药物治疗或进行肺移植的评估，以期待收获更佳的预后结果。