在识别症状斑块时,用心脉周脉脂肪组织的放射学初步经验帮助识别症状斑块

科学领域:

• 放射学 放射学是一门学科.
• 心血管成像 - 心血管成像
• 人工智能在医学中的应用

背景情况:

• 动脉样硬化性缺血性中风对健康构成重大风险.
• 周围的周周血管脂肪组织 (PVAT) 围绕着带斑块可能存在与脑血管事件相关的结构变化.
• 评估这些PVAT变化对于评估中风风险至关重要.

研究的目的:

• 开发一个放射学模型,使用PVAT围绕着喉斑块.
• 评估PVAT结构变化与中风或短暂性缺血性发作 (TIA) 的发生之间的关联.
• 建立一个客观的指标来评估与斑块相关的中风风险.

主要方法:

• 分析了一组203名接受头部和部CT血管造影的患者.
• 患者被分为症状 (中风/TIA) 和无症状组.
• 用机器学习算法提取和分析状板PVAT的放射性签名 (RS) 特征,用于特征选择和维度减少.

主要成果:

• 该RS模型,特别是包装决策树算法,显示出强大的诊断性能 (测试组中的AUC为0.834).
• 在识别症状斑块方面,RS模型显著优于传统特征模型 (AUC 0.834与0.593,p=0.0345).
• 该模型在训练和测试数据集中显示出良好的区分能力.

结论:

• 喉斑块PVAT的放射学签名 (RS) 模型作为风险评估的客观指标.
• 这种模型可以为患有动脉样硬化病的患者的风险分层提供基础.
• 进一步验证可能将PVAT放射学作为中风预防策略中一个有价值的工具.