磁気共鳴画像とディープラーニングによるライトチェーンの心臓アミロイドーシスの予測
Shuo Wang1, Chengcai Liu1, Yubo Guo2
1Beijing Advanced Innovation Center for Big Data-Based Precision Medicine, School of Engineering Medicine, Beihang University, Beijing, China.
新しいディープラーニング (DL) モデルは,心血管磁気共鳴画像を用いて,軽鎖心筋アミロイドーシス (AL-CA) の予後を正確に予測します. この高度なアプローチは 個別化された予測を可能にし 患者の管理を改善するために 現在のステージング方法よりも優れています
科学分野:
- 心臓病科
- 医療用イメージング
- 人工知能
背景:
- 軽鎖性心臓アミロイドーシス (AL- CA) は,高い死亡率と様々な患者のアウトカムを持つ重篤な心臓疾患です.
- メイオのステージングシステムのような 現在の予測ツールでは 個人の層分化が限られている.
- AL-CA患者の予後を予測するために,より正確な方法が必要です.
研究 の 目的:
- 心血管磁気共鳴 (CMR) による遅いガドリニウム強化 (LGE) 画像の分析のための新しいディープラーニング (DL) モデルを開発する.
- 全心臓LGE画像解析を用いて,AL-CA患者の個別化された予後を予測する.
- 既存の臨床段階測定法を補完する 予後ツールを作成する.
主な方法:
- トランスフォーマーベースのDLモデルは,LGE画像からの自動心臓セグメンテーションと特徴抽出に使用されました.
- 特徴の差異化を改善し,オーバーフィッティングを減らすために,対照的な予備訓練戦略が実施されました.
- 集合学習アプローチは,包括的な予後評価のために複数のDLモデルからの予測を統合した.
主要な成果:
- DLモデルは,試験群で2. 6年の生存率を予測するC指数0. 91とAUCを0. 95を達成した (n=79).
- このモデルはマイオの段階測定法 (C-インデックス=0. 65,AUC=0. 71) を大幅に上回った.
- DLモデルは,同じマヨのステージ内の予後を正確に区別し,アミロイドの影響を受けた領域を超えた予後特性を特定しました.
結論:
- 完全に自動化されたDLモデルは,LGE画像を使用してAL-CA患者の個別化された予後を予測できます.
- このDLモデルは,現在のマヨのステージング・システムに価値ある補足として機能します.
- この発見は,パーソナライズされた心臓アミロイドーシス患者のケアにおいて,高度なAIの使用を支持する.
さらに関連する動画
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
関連する概念動画
Acute Coronary Syndrome III: Diagnostic Studies
Heart Failure IV: Classification and Diagnostic Evaluation
Cardiomyopathy I: Introduction and Classification
Cardiomyopathy II: Dilated Cardiomyopathy
Cardiomyopathy III: Hypertrophic Cardiomyopathy
Cardiomyopathy IV: Restrictive Cardiomyopathy
