人工智能对肉类和脂肪组织的评估预测了TAVI后的整体存活率
Matej Pekař1,2, Otakar Jiravský1, Jan Novák3,4,5
1Hospital AGEL Třinec-Podlesí, Konská 453, 739 61, Třinec, Czech Republic.
Scientific reports
|April 17, 2024
概括
人工智能分析CT扫描,以评估TAVI接受治疗的患者的身体组成. 这种简单的工具有助于预测死亡风险,有助于患者分层和术前临床决策.
科学领域:
- 心脏病学 心脏病学
- 放射学 放射学是一门学科.
- 老年病的医生 老年病的医生
背景情况:
- 肉类,一种全身性疾病,显著影响整体生存率.
- 过导管大动脉植入 (TAVI) 是在老年,并发病患者进行的,并发病患者有严重的大动脉狭窄.
- 有效的风险分层对于优化TAVI患者选择和管理至关重要.
研究的目的:
- 评估从CT扫描中人工智能辅助的身体组成分析对预测TAVI患者全因死亡率的有用性.
- 确定骨肌肉指数 (SMI) 和脂肪组织密度是否可以对这一群体的死亡风险进行分层.
主要方法:
- 在使用AutoMATiCA神经网络的腰部第三脊椎进行手术前CT扫描的细分.
- 分析骨肌肉和脂肪组织参数 (面积和密度).
- 考克斯回归模型被用来评估身体组成参数与全因死亡率之间的关联.
主要成果:
- 骨肌指数 (SMI) 密度与全因死亡率降低的风险相关 (HR 0.986,p<0.05).
- 内脏脂肪组织 (VAT) 和皮下脂肪组织 (SAT) 密度预测增加了全因死亡风险 (HR分别为1.015和1.014,p<0.05).
- 自动人体成分评估有效地确定了TAVI后死亡风险较高的患者.
结论:
- 从CT扫描中对人工智能驱动的身体成分评估是TAVI患者风险分层的一个有价值的工具.
- 这种方法可以帮助临床医生在手术前的决策和患者管理.
- SMI和脂肪组织密度是TAVI后长期存活的重要预测因素.
