深度学习成像表型可以对代谢综合征进行分类,并且可以预测心脏代谢障碍
Jacob S Leiby1, Matthew E Lee1, Manu Shivakumar1
1Department of Biostatistics, Epidemiology, and Informatics, Perelman School of Medicine, University of Pennsylvania, 19104, Philadelphia, PA, USA.
Journal of translational medicine
|May 9, 2024
概括
使用CT扫描的新深度学习方法可以识别代谢综合征并预测未来的心脏代谢障碍,优于传统方法. 这种图像衍生的表型为早期检测和管理代谢异常提供了强大的工具.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 心血管和代谢疾病 心血管和代谢疾病
背景情况:
- 心脏代谢障碍对全球健康构成重大负担.
- 代谢综合征是一种代谢异常的集群,是这些疾病的关键风险因素.
- 早期发现代谢异常对于预防严重的心脏代谢疾病至关重要.
研究的目的:
- 开发基于深度学习的图像衍生的表型 (IDP) 来从腹部CT扫描中检测代谢异常.
- 用IDP来分类具有代谢综合征的个体.
- 评估IDP预测未来心脏代谢疾病的能力.
主要方法:
- 采用多阶段深度学习模型,在未增强的腹部CT扫描中从肝脏区域提取IDP.
- IDP被用来对超过2000个人的代谢综合征进行分类.
- IDP对高血压,II型糖尿病和脂肪肝疾病的预测性能在1300多名个人中进行了评估.
主要成果:
- 与肝衰减 (AUC 0.70) 和内脏脂肪组织面积 (VAT) (AUC 0.80) 相比,IDP在分类代谢综合征 (AUC 0.82) 中表现优异.
- 基于IDP的模型在预测II型糖尿病 (AUC 0.91对0.90) 和脂肪肝疾病 (AUC 0.67对0.62) 方面表现优于代谢综合征的临床定义.
- 在高血压预测 (AUC 0.77) 中观察到可比性表现.
结论:
- 一个来自深度学习的IDP显著超过了用于代谢综合征分类的传统放射性特征.
- IDP显示了未来心脏代谢性疾病的预测能力比代谢综合征的临床定义更强.
- 数据驱动的成像表型是评估和管理代谢综合征和相关心脏代谢疾病的宝贵工具.
