人工智能评估生物年龄从Transthoracic心声学:与时间年龄的差异预测显著的过度死亡率
Kobi Faierstein1, Michael Fiman2, Ranel Loutati3
1Leviev Cardiovascular Institute, Sheba Medical Center, Ramat Gan, Israel; Faculty of Medical and Health Sciences, Tel Aviv University, Tel Aviv, Israel.
概括
人工智能精确估计年龄和预测性别使用心声回声学. 这种人工智能驱动的年龄估计是死亡率的独立预测指标,有助于风险分层.
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:
- 人工智能 (AI) 可以从各种数据源中估计年龄和性别.
- 胸前回声心电图 (TTE) 是一种常见的成像方式.
研究的目的:
- 训练卷积神经网络 (CNN) 用标准TTE来估计年龄和预测性别.
- 评估基于人工智能的TTE年龄估计的预后影响.
主要方法:
- 该算法在76,342名患者中进行了训练,在22,825名患者中得到了验证,并在20,960名患者中进行了测试.
- 556名患者的外部验证和319名患者的前性验证,使用护理点超声波.
- 多变量考克斯回归分析了年龄估计与整体存活率之间的关联.
主要成果:
- 年龄估计的平均绝对误差为4.9年 (皮尔森相关系数:0.922).
- 性别预测的准确率为96.1% (AUC:0.993).
- 人工智能衍生的年龄预测超过5年以上的年代年龄独立地与34%的死亡风险增加有关 (P < .001).
结论:
- 应用于TTE的AI可以准确预测性别和估计年龄.
- 基于机器的年龄估计是整体生存率的独立预测指标.
- 这种人工智能方法可以用于风险分层和生物年龄估计.
