[基于面部照片的冠状动脉疾病诊断的人工智能模型]

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:

• 冠状动脉疾病 (CAD) 构成了全球重大健康负担.
• 对CAD的非侵入性诊断方法对于早期检测和管理至关重要.
• 面部特征可能包含潜在心血管健康的微妙指标.

研究的目的:

• 使用面部照片开发和验证冠状动脉疾病 (CAD) 的人工智能 (AI) 诊断模型.
• 评估基于蒙面自编码器 (MAE) 和视觉变压器 (ViT) 架构的AI模型的诊断性能.
• 将MAE和ViT模型的性能与CAD检测的ResNet架构进行比较.

主要方法:

• 一项涉及5974名参与者进行冠状动脉血管造影 (CAG) 的横截面研究.
• 从四个角度收集了面部照片,并将其分为培训,验证和测试集.
• 人工智能模型使用MAE和ViT架构构建,在大型公共数据集 (VGGFace) 上进行预训练,并进行微调.

主要成果:

• 使用MAE和ViT架构的AI模型实现了运行特征曲线 (AUC) 下的面积分别为0.841和0.824.
• 在ResNet模型中,AUC达到0.810 (随机权重) 和0.816 (预训练权重).
• 这项研究包括4179名男性 (70.0%),平均年龄为61岁.

结论:

• 基于面部照片的AI模型展示了冠状动脉疾病有前途的诊断性能.
• 开发的AI模型具有早期CAD诊断的潜力,补充了现有的诊断工具.