人工智能生成的CT体质组合生物标志物与社会经济弱势群体的死亡风险增加有关
Matthew H Lee1, Ryan Zea2, John W Garrett2
1Department of Radiology, University of Wisconsin School of Medicine & Public Health, 600 Highland Ave, Madison, WI, 53792, USA. mlee5@uwhealth.org.
Abdominal radiology (New York)
|January 27, 2024
概括
社会经济劣势与心血管事件和死亡率的更高风险有关. 分析CT扫描的自动化AI工具可以在弱势群体中识别这些高风险的身体成分指标.
科学领域:
- 放射学和成像学 放射学和成像学
- 公共卫生 公共卫生
- 人工智能在医学中的应用
背景情况:
- 社会经济地位显著影响健康结果,包括心血管疾病风险.
- 医疗成像中的客观体质成分测量可以提供对健康差异的见解.
研究的目的:
- 调查通过面积剥夺指数 (ADI) 测量的社会经济劣势与CT衍生的身体组成之间的关联.
- 识别与死亡率增加和心血管不良事件相关的身体组成指标.
主要方法:
- 利用全自动化的人工智能 (AI) 工具,从非对比CT扫描中量化腹腔大动脉,内脏脂肪 (VAT),内脏与皮下比率 (VSR) 和肌肉衰减 (肌肉HU).
- 根据国家ADI,将7644名无症状成年人分为五个社会经济群体.
- 采用相关性分析,ANOVA和后勤回归来评估ADI和身体成分之间的关联,以及它们与不良结果的关系.
主要成果:
- 在ADI和大动脉,VAT和VSR之间发现了积极的相关性;与肌肉衰减观察到负相关性 (所有p < .001).
- 与最弱势群体 (ADI>80) 相比,最弱势群体 (ADI>80) 的甲状腺,VAT,VSR和下部肌肉HU水平明显较高.
- 最弱势群体的高风险人体成分测量几率明显更高:大动脉 (OR=3.8),VAT (OR=2.5),VSR (OR=2.0),肌肉HU (OR=3.1) (所有p < .001).
结论:
- 完全自动化的人工智能驱动的CT身体成分分析显示,社会经济劣势和不利的身体成分概况之间存在强烈的关联.
- 这些人工智能量化措施可以作为有价值的生物标志物,用于识别患有全因死亡率和心血管事件风险较高的个体,特别是在社会经济贫困人口中.
