基于人工智能的CT心脏衰减扫描的体积六组织体质量定量提高了死亡率的预测:多中心研究

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 心血管成像 - 心血管成像

背景情况:

• 计算机断层扫描减弱校正 (CTAC) 扫描是心脏输液成像中的标准.
• 目前的使用仅限于减弱校正和视觉估计.
• CTAC扫描为定量身体成分分析提供了尚未开发的潜力.

研究的目的:

• 开发一种人工智能驱动的方法,用于从CTAC扫描中测量体积组成.
• 评估这些人体构成指标的预后价值,以对所有原因死亡率 (ACM) 风险分层进行评估.

主要方法:

• 基于AI的细分和图像处理应用于来自多站点注册表的CTAC扫描.
• 量化骨,骨肌肉 (SM) 和各种脂肪组织 (VAT,EAT,IMAT) 的体积测量.
• 使用考克斯回归和卡普兰-梅尔分析评估ACM的预后值,并对混因素进行调整.

主要成果:

• 人工智能处理时间低于每次扫描2分钟,没有用户交互.
• 高的增值税,EAT和IMAT减弱与增加的ACM风险相关 (例如,增值税HR2.39).
• 高骨衰减和SM体积指数与ACM风险降低有关 (例如,SM HR 0.56).

结论:

• 常规获得的CTAC扫描包含有价值的,可自动测量的身体组成生物标志物.
• 这些生物标志物为所有原因的死亡率提供了重要的额外预后信息.
• 基于人工智能的CTAC扫描分析增强了风险分层,超出了传统方法.