用SPECT数据进行冠状动脉疾病的预后预测的机器学习:系统性审查和元分析
Vedat Cicek1, Ezgi Hasret Kozan Cikirikci2, Mert Babaoğlu3
1Machine & Hybrid Intelligence Lab, Department of Radiology, Northwestern University, 737 N. Michigan Avenue Suite 1600, Chicago, IL, 60611, USA. Vedat.cicek@northwestern.edu.
EJNMMI research
|November 26, 2024
概括
机器学习 (ML) 模型使用单光子发射计算机断层扫描 (SPECT) 图像显示,冠状动脉疾病 (CAD) 的预后预测得到了改进. 将ML与人口统计数据相结合,进一步提高了预测患者结果的准确性.
科学领域:
- 心脏病学 心脏病学
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
背景情况:
- 单光子发射计算机断层扫描 (SPECT) 对于通过血液流量评估来诊断冠状动脉疾病 (CAD) 是至关重要的.
- 机器学习 (ML) 在分析用于CAD诊断和结果预测的SPECT图像方面显示出潜力.
研究的目的:
- 审查目前使用基于ML的SPECT分析来预测CAD患者的长期结果.
- 评估与传统方法相比,ML模型的预测能力.
主要方法:
- 对12项涉及73023名患者的回顾性研究进行了系统审查.
- 六项研究的元分析,评估ML模型对主要不良心血管事件和全因死亡率的性能.
主要成果:
- 与物流回归和总 perfusion deficit 相比,ML模型显示出更好的预后能力.
- 在ML框架中将人口统计数据与SPECT成像集成,可以显著提高预后性能.
- ML模型在预测心血管不良事件和死亡率方面实现了超过65%的灵敏度和特异性.
结论:
- 有或没有人口统计数据的ML模型可以提高冠状动脉疾病患者的预后预测.
- 基于ML的SPECT分析代表了对心脏病学患者结果预测的有希望的进步.
更多相关视频
10:03Coronary Progenitor Cells and Soluble Biomarkers in Cardiovascular Prognosis after Coronary Angioplasty
Published on: January 28, 2020
5.2K
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
3.8K
