在患有冠状动脉狭窄症的患者中,对死亡率和中风的30天风险评分使用基于人工智能的冠状动脉斑形态学
Rohini J Patel1, Daniel Willie-Permor1, Austin Fan1
1Center for Learning and Excellence in Vascular & Endovascular Research (CLEVER), Division of Vascular and Endovascular Surgery, Department of Surgery, University of California San Diego, San Diego, CA.
Annals of vascular surgery
|July 15, 2024
概括
结合临床因素和斑块形态学,可以改善脑卒中和死亡的预测,在患有动脉狭窄症的患者. 这种综合方法提供了比单独使用传统方法更准确的风险评估.
科学领域:
- 心血管成像 - 心血管成像
- 神经学 神经学
- 医疗信息学 医疗信息学
背景情况:
- 动脉狭窄的干预决定取决于狭窄的百分比和症状.
- 斑块形态在中风预测中的作用被低估了.
- 存在需要的预测模型,结合斑块形态学,用于中风和死亡风险.
研究的目的:
- 开发一个30天中风和死亡的预测模型和风险评分.
- 在风险预测中评估状腺斑块形态学的附加值.
- 整合临床和成像数据,以提高风险分层.
主要方法:
- 2010-2021年计算机断层扫描血管学头部/部数据的分析.
- 使用图像识别软件进行三维斑块成像.
- 逐步倒退回归,AUC和AIC用于模型选择和评估.
- 风险分数以弗雷明汉研究为模式.
主要成果:
- 开发了三个模型:仅临床变量 (AUC 0.737),仅斑块形态 (AUC 0.644),以及组合变量 (AUC 0.759).
- 组合模型 (模型C) 显示出优异的预测性能,最高的AUC和最低的AIC.
- 组合模型中的关键预测因素包括年龄,性别,矩阵体积,TIA/中风病史,BMI,PVAT,富含脂质的死核,COPD和高脂血症.
结论:
- 将临床因素与斑块形态相结合,显著提高了在动脉狭窄症中死亡率和中风风险的预测.
- 结合这些因素的风险评分可以识别高风险患者,3分表明20%的中风/死亡风险.
- 建议进行进一步的前性研究来验证这些预测性发现.
