人工智能可以改善Rubidium正子电子发射断层扫描中的缺血预测 - - 一项验证研究

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 功能性冠状动脉疾病 (CAD) 测试用于检测心肌缺血症.
• 目前的预测工具的准确性有限,导致不必要的测试,辐射暴露和成本.
• 需要改善患者预选,以便更准确和个性化的缺血检测.

研究的目的:

• 评估基于人工智能的工具,以改善心肌缺血的测试前概率 (PTP) 评估.
• 应用基于记忆模式的算法 (MPA) 来实现心脏病学个性化诊断方法.
• 为了比较MPA的准确性与现有的临床指南用于缺血预测.

主要方法:

• 分析了2417名被转诊进行Rubidium-82正子发射断层扫描的患者队列.
• 测试前概率 (PTP) 是使用ESC和ACC指南以及基于记忆模式的算法 (MPA) 来计算的.
• 该MPA结合了症状,生命体征,心电图和生物标志物,将患者分为五个PTP级别.

主要成果:

• 与当前的指导方针相比,MPA模型在预测缺血方面表现出更高的准确性 (AUC:0.758).
• 在<5%的PTP值下,MPA获得了高灵敏度 (99.1%) 和负预测值 (96.4%),以排除缺血.
• 该MPA模型将中级PTP类别的患者比例降低了多达51%,并准确地预测了非常低的PTP组的患病率.

结论:

• 该MPA模型显著改善了个人缺血预测,使得缺血可以在没有高级测试的情况下安全排除缺血.
• 这种人工智能工具充当守门员,减少不必要的下游测试,辐射和成本.
• 该MPA促进了个人化诊断策略的缺血检测,与预测,预防和个性化医学 (PPPM) 保持一致.