自动化CT生物标志物预测心血管事件比当前的实践
美国国立卫生研究院的研究人员和威斯康辛大学已经证明使用人工智能分析CT扫描可以产生更精确的比当前主要心血管事件的风险评估,标准方法如弗雷明汉风险评分(FRS)和体质指数(BMI)。
每年超过8000万身体CT扫描表现仅在美国,但有价值的预后信息身体成分通常被忽视。在这项研究中,例如,腹部扫描完成例行结肠直肠癌筛查重要的信息关于心脏方面的风险AI被用来分析图像。
研究相比自动化CT-based身体成分生物标记的能力来源于图像处理算法来预测主要心血管事件和总生存期通常使用临床参数。CT-based措施的调查人员发现比FRS和BMI更能精确地预测下游不良事件包括死亡或心肌梗死、脑血管意外,或充血性心力衰竭。结果出现在《柳叶刀》杂志上的数字医疗。
“我们发现,自动化的措施比建立了临床生物标志物提供了更准确的风险评估,”罗纳德·m·萨默斯说,医学博士博士,美国国立卫生研究院临床中心和该研究的资深作者。“这表明潜在的方法,使用人工智能利用生物特征数据嵌入在所有这类扫描进行广泛的其他迹象和获得信息,可以帮助人们更好地理解他们的整体健康和严重不良事件的风险。”
该研究使用五个人工智能计算机程序上腹部CT扫描精确测量肝脏体积和脂肪变化,内脏脂肪体积,骨骼肌体积,脊柱骨矿物质密度和动脉狭窄。研究人员发现,不仅自动化CT-based生物标记的组合比较有利的FRS和BMI预测心血管事件和死亡之前任何症状出现但事实上,主动脉瓣钙化的CT测量,形成钙沉积的主动脉瓣,独自显著优于FRS主要心血管事件和总生存期。
研究人员还发现,体重指数是一个可怜的预测心血管事件和总生存期,和所有五个自动CT-based措施明显优于BMI不良事件的预测。
“这机会使用额外的CT-based生物标志物提供了客观的价值医生已经做什么,”佩里·j·皮克哈特,让医学博士的威斯康辛大学医学与公共卫生学院的领导和该研究的通讯作者。”这种自动化过程不需要额外的时间、精力或辐射暴露的病人,然而这些预后措施可能有一天通过检测升高心血管发生前症状影响病人健康或其他健康风险。”
本研究建立在之前的努力设计人工智能算法,萨默斯博士在他的实验室在美国国立卫生研究院临床中心的放射学和成像科学部门和他之前与皮克哈特发展让博士合作,培训,测试和验证完全自动化算法使用腹部CT测量身体成分。研究人员计划在其他研究中测试方法,包括更多的多民族人口。
