基于人工智能的机会主义骨矿物质密度测量在冠状动脉扫描中的验证

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 骨质疏松症的诊断 骨质疏松症的诊断

背景情况:

• 报道了以前使用量化CT在非对比心脏CT扫描 (CAC) 中测量胸椎骨矿物质密度 (BMD) 的手动方法.
• 一种基于人工智能的自动化骨质量测量 (AutoBMD) 已获得FDA批准,作为CAC扫描的机会性补充.

研究的目的:

• 为了验证基于AI的自动化BMD测量 (AutoBMD) 工具的准确性和效率.
• 将AutoBMD性能与手动BMD测量进行比较.

主要方法:

• 训练了一种深度学习模型来识别脊椎体,椎间盘和椎元件.
• 该模型在132个CAC扫描 (7,649个切片) 上受过训练.
• 验证使用了来自多民族动脉样硬化研究 (MESA) 之前手动测量了BMD的5785例.

主要成果:

• 自动BMD和手动BMD测量显示了可比的平均值 (166.1 ± 47.9 mg/cc与163.1 ± 46 mg/cc,P=.006).
• 在AutoBMD和手动测量之间观察到强烈的相关性 (R=0.85,P<.0001).
• 自动BMD在检测骨质疏松症 (99.6%) 和骨质疏松症方面表现出很高的准确性,报告时间明显更快 (15秒比5.5分钟,P<.0001).

结论:

• 自动BMD是一款FDA批准的AI工具,可以从CAC扫描中准确测量BMD,T-score和Z-score.
• 它有效地检测骨质疏松症和骨质疏松症,性能与手工方法相美.
• 通过利用现有的扫描,AutoBMD为患者护理提供了一种具有成本效益的,无辐射的增强.