이 쿠키는 웹사이트가 정상적으로 작동하는 데 필요하며 시스템에서 꺼질 수 없습니다. 주로 사용자가 요청한 서비스(개인정보 설정, 로그인, 양식 작성 등)를 제공하기 위해 설정됩니다. 브라우저에서 이 쿠키를 차단하거나 알림을 받을 수 있도록 설정할 수 있지만, 이 경우 사이트 일부 기능이 정상적으로 작동하지 않을 수 있습니다. 이 쿠키는 개인 식별 정보를 저장하지 않습니다.
+타겟팅 쿠키
이 쿠키는 광고 파트너를 통해 설정되며, 귀하의 관심사에 기반한 광고를 다른 사이트에 표시하는 데 사용됩니다. 이 쿠키는 직접적으로 개인정보를 저장하지 않으며, 브라우저와 인터넷 기기 식별을 기반으로 작동합니다. 이 쿠키를 허용하지 않으면 타겟팅 광고를 덜 경험하게 됩니다.
+성능 쿠키
이 쿠키는 웹사이트 방문자 수 및 트래픽 소스를 집계하여, 사이트의 성능을 측정하고 개선하는 데 사용됩니다. 어떤 페이지가 인기가 많은지, 방문자가 사이트를 어떻게 이동하는지를 파악하는 데 도움이 됩니다. 모든 정보는 익명으로 수집되며, 이 쿠키를 허용하지 않을 경우 방문 및 활동 기록을 알 수 없어 사이트 성능 모니터링에 제약이 생깁니다.
Identification of risk factors for acute exacerbation of idiopathic pulmonary fibrosis based on baseline high-resolution computed tomography: a prospective observational study
Authors
Zhaojun Wang, Zhengping Zhang, Li Zhu, Jia Hou, Hongyan Fu, Xiaojun Yang, Faxuan Wang & Juan Chen
Zhaojun Wang et al. evaluated risk factors for acute exacerbation of idiopathic pulmonary fibrosis (AE-IPF) using quantitative HRCT. The study enrolled 102 IPF patients, analyzing baseline parameters like honeycombing, whole lung volume, and pulmonary hypertension (PH). Using deep learning software such as AVIEW, these metrics demonstrated strong predictive potential. Honeycombing and PH emerged as key independent risk factors, and their combination with whole lung volume achieved high diagnostic accuracy (AUC 0.888, sensitivity 90%, specificity 78%). These findings highlight the value of quantitative HRCT in identifying patients at elevated AE-IPF risk, enabling targeted interventions. While limited by its single-center design and sample size, the study underscores the clinical promise of integrating AI tools like AVIEW into IPF management. Future research should aim for larger, multicenter cohorts to refine and validate predictive models, expanding the application of non-invasive diagnostics in pulmonary care.
목록으로
