预测使用心肌输液成像和深 convolutional 神经网络的心血管事件的长期时间

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 心肌输液成像 (MPI) 通过分析灰度扫描图像来评估心脏功能.
• 预测未来的心血管事件仍然是患者管理的关键挑战.

研究的目的:

• 开发和验证MPI数据的端到端生存培训方法.
• 为了生成人工智能驱动的风险评分来预测主要不良心血管事件 (MACE) 和充血性心力衰竭 (CHF).

主要方法:

• 一个端到端的生存培训方法被应用到1928年患者的灰度MPI断层图像.
• 1540名患者的数据集被用于培训和5倍交叉验证,388人用于独立测试.
• 人工智能模型根据预测到心血管事件的时间将患者分为不同的风险组.

主要成果:

• 人工智能模型成功地将患者分为中位数以下和中位数以上的风险组,具有显著的生存差异 (P < 0.0001).
• 进一步分层确定了低风险,中等风险和高风险组,五年心血管事件率从<5%到近40%不等.
• 该模型在患有更严重冠状动脉疾病和多重支架放置的患者中表现出更强的预测能力.

结论:

• 拟议的端到端生存培训方法可用于从MPI数据开发有效的AI模型.
• 人工智能驱动的风险评分可以准确地分层患者,从而实现针对心血管事件的个性化风险评估和管理策略.