通过人工智能支持的-奥米克来提高心血管风险预测

科学领域:

• 心血管成像 - 心血管成像
• 无线电学 (Radiomics) 是一种无线电学.
• 预测分析是一种预测分析.

背景情况:

• 阿加斯顿评分是主要不良心血管事件 (MACE) 的标准但有限的预测指标.
• 它没有捕捉到详细的化特征,这对于理解冠状动脉疾病病理生理学至关重要.
• 个性化风险评估需要分析化特征,如数量,分布和密度.

研究的目的:

• 开发和验证一种新的风险预测模型,使用详细的冠状动脉化特征 (-奥米克).
• 为了比较-奥米克模型的性能与MACE预测的传统Agatston得分.
• 为了确定特定的-奥米特征,这些特征是MACE风险的重要决定因素.

主要方法:

• 从2457张CT分数 (CTCS) 图像中利用了手工制作的化特征 (-奥米克).
• 雇佣了考克斯的时间对事件建模,弹性网,以及对不平衡数据的合成采样.
• 开发并验证了一种使用80/20培训/测试分割的-奥米克预测模型.

主要成果:

• -欧米特征,包括化数量,LAD质量和扩散性,是关键的风险决定因素.
• 密集的化 (>1000 HU) 与降低MACE风险有关.
• 与Agatston相比,-奥米克模型实现了更高的性能 (C指数80.5%/71.6%,2年AUC 82.4%/74.8%),发现了13.2%更多的MACE病例.

结论:

• 与传统的阿加斯顿分数相比,-奥米克为MACE提供了更好的风险预测.
• 这种新的方法提高了需要密集的心血管跟踪和治疗的患者的识别.
• 需要进一步的多机构研究来验证和在临床实践中实施基.