Image and AI-based Diffusing Capacity for Carbon Monoxide Prediction in Idiopathic Pulmonary Fibrosis

Abstract

Idiopathic pulmonary fibrosis (IPF) is a progressive lung disease characterized by the formation of scar tissue, resulting in impaired gas exchange. Diffusing capacity of the lung for carbon monoxide (DLCO) measures the degree of gas exchange in lung alveoli. We aimed to explore and develop artificial intelligence (AI) models to predict DLCO using flow-volume curve images and quantitative CT features (QCT). Flow-volume curves from 272 IPF patients enrolled at Seoul National University Hospital (SNUH) in South Korea from 2015 to 2019 (age=69±8, height=162±8cm, weight=63±10kg, M:F=201:71) were retrospectively collected and analyzed. QCT features from 60 IPF patients (age=70±5, height=164±6cm, weight=68±9kg male:female=53:7) were retrospectively collected from 2018 environmental lung disease study cohort (ENV18) at SNUH and analyzed. DLCO%pred was successfully predicted from flow-volume curve (mean absolute error=4.33, R2=0.91). DLCO%pred prediction with QCT features were limited due to small sample size, but the data provided insights on regional lung structure-function relationship in DLCO%pred prediction. Successful prediction of DLCO from spirometry-measured flow-volume curve images suggest that the dynamic pattern of the flow-volume curve may contain comprehensive information of the lung structure-function. Future development of the model may include predicting follow-up DLCO after 1 year. Further application may elucidate how specific shape or image features from flow-volume curve and QCT data link gas ventilation and gas exchange.

특발성 폐 섬유화 (Idiopathic pulmonary fibrosis, IPF)는 흉부에 흉터 조직이 형성되어 기체 교환에 장애를 초래하는 진행성 폐질환이다. 일산화탄소확산능 검사 (Diffusing capacity of the lung for carbon monoxide, DLCO)는 폐포의 기체 교환 정도를 측정하는 방법이다. 기류-용적 곡선 (flow-volume) 이미지와 정량적 CT (Quantitative CT, QCT) 변수들을 이용하여 DLCO를 예측하기 위한 인공지능(AI) 모델을 개발하는 것을 목표로 한다. 2015년부터 2019년까지 한국의 서울대병원(SNUH)에 등록된 272명의 IPF 환자의 기류-용적 곡선(연령=69±8, 신장=191±8cm, 체중=63±10kg, 남:여=201:71)을 후향적으로 수집하여 분석하였다. 60명의 IPF 환자(연령=70±5, 신장=196±6cm, 체중=68±9kg 남:여=53:7)의 QCT 변수들은 서울대병원의 2018 환경 폐 질환 연구 코호트(ENV18)에서 후향적으로 수집하여 분석하였다. 기류-용적 곡선을 통해 DLCO%pred를 성공적으로 예측할 수 있었다. (MAE=4.33, R2=0.91). 이는 기류-용적 곡선이 폐기능에 대한 포괄적인 병리 생리학적 정보를 포함하고 있을 수 있다는 것을 시사한다. QCT 변수를 사용한 DLCO%pred 예측은 샘플 크기가 작기 때문에 제한되었지만 이들은 지역적 폐 구조-기능 관계에 대한 통찰력을 제공한다. 폐활량계 (spirometry)의 기류-용적 곡선 이미지로부터 DLCO의 성공적인 예측은 기류-용적 곡선의 동적 패턴이 폐 구조-기능의 포괄적인 정보를 포함할 수 있음을 시사한다. 향후 모델의 개발은 1년 후의 DLCO를 예측하는 분석을 진행할 수 있다. 더 나아가 산소 환기와 기체 교환과 관련된 특정한 형태나 이미지 특징들이 기류-용적 곡선과 QCT 데이터로부터 어떻게 연관되는지에 대한 추가적인 분석이 진행될 수 있다.