電子健康記録に基づいて、患者の胸部X線画像の時間変化を予測する方向に向かって

Towards Predicting Temporal Changes in a Patient's Chest X-ray Images based on Electronic Health Records

September 11, 2024

著者: Daeun Kyung, Junu Kim, Tackeun Kim, Edward Choi

cs.AI

要旨

胸部X線画像（CXR）は、病院で使用される重要な診断ツールであり、患者の状態を評価し、時間の経過とともに変化を監視するために用いられます。生成モデル、特に拡散ベースのモデルは、リアルな合成X線画像を生成することで有望性を示しています。ただし、これらのモデルは主に、特定の時間に撮影されたCXRsとそれに対応するレポートを使用した条件付き生成に焦点を当てており、時間の経過を捉えるためには臨床的に有用でない制約があります。この制約に対処するために、私たちは新しいフレームワークであるEHRXDiffを提案します。このフレームワークは、以前のCXRsとその後の医療イベント（処方、検査値など）を統合して未来のCXR画像を予測します。私たちのフレームワークは、以前のCXR画像と医療イベントの履歴に基づいて病気の進行を動的に追跡し予測する潜在的な拡散モデルに依存しています。私たちのフレームワークの性能を、臨床的な整合性、人口統計的整合性、視覚的リアリズムという3つの主要な側面で包括的に評価します。私たちは、私たちのフレームワークが潜在的な時間的変化を捉えた高品質でリアルな未来の画像を生成し、臨床シミュレーションツールとしてのさらなる開発の可能性を示唆しています。これは、医療分野における患者モニタリングと治療計画に貴重な洞察を提供する可能性があります。

English

Chest X-ray imaging (CXR) is an important diagnostic tool used in hospitals to assess patient conditions and monitor changes over time. Generative models, specifically diffusion-based models, have shown promise in generating realistic synthetic X-rays. However, these models mainly focus on conditional generation using single-time-point data, i.e., typically CXRs taken at a specific time with their corresponding reports, limiting their clinical utility, particularly for capturing temporal changes. To address this limitation, we propose a novel framework, EHRXDiff, which predicts future CXR images by integrating previous CXRs with subsequent medical events, e.g., prescriptions, lab measures, etc. Our framework dynamically tracks and predicts disease progression based on a latent diffusion model, conditioned on the previous CXR image and a history of medical events. We comprehensively evaluate the performance of our framework across three key aspects, including clinical consistency, demographic consistency, and visual realism. We demonstrate that our framework generates high-quality, realistic future images that capture potential temporal changes, suggesting its potential for further development as a clinical simulation tool. This could offer valuable insights for patient monitoring and treatment planning in the medical field.