[急性冠動脈症候群の患者における不良心血管疾患の予測のためのディープラーニングモデルの開発,網膜底部画像に基づく]

科学分野:

• オフタルモロジック (眼科)
• 心臓病学 心臓病学
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 急性冠動脈症候群 (ACS) の患者は,心血管疾患の有害事象の重大な長期的なリスクに直面しています.
• 現在のリスク予測方法は,長期的な結果に影響を与える要因の複雑な相互作用を完全に捉えることができない可能性があります.
• 網膜底部イメージングは,全身血管の健康に対する潜在的非侵襲的な窓を提供します.

研究 の 目的:

• ACS患者の主要な心血管および脳血管不良事象 (MACCE) を予測するために,網膜底部画像を利用したディープラーニングモデルを開発および検証.
• モデルの予測性能,リスク層分化の能力,および臨床的解釈性を評価する.

主な方法:

• ACS患者4703人を対象とした多センター診断試験.
• 網膜底部画像を用いた多式ディープラーニングモデル (Inception-Resnet-V2) の開発.
• モデルの予測性能 (AUC) とカプラン・マイヤー曲線とクラスアクティベーションマッピングによるリスク層分化の外部検証.

主要な成果:

• ディープラーニングモデルは,開発コホートで0.709のAUC,MACCE予測のための外部検証コホートで0.644のAUCを達成しました.
• モデルによって特定された高リスク分層群は,MACCEの発生率が著しく高かった (P<0.05).
• クラスアクティベーションマッピングは,モデルが網膜の血管領域に焦点を当てていることを示し,臨床的解釈可能性を示唆しました.

結論:

• 網膜底部画像を分析するディープラーニングモデルは,ACS患者の長期的な有害心血管疾患リスクを効果的に予測することができます.
• このモデルは,堅実なリスク分層化能力と臨床的解釈性を実証しています.
• 網膜画像ベースのディープラーニングは,ACSにおける心血管リスク評価のための有望な非侵襲的ツールです.