使用心脏CT和MRI数据的机器学习模型预测了阻塞性冠状动脉疾病中的心血管事件
Théo Pezel1, Solenn Toupin1, Valérie Bousson1
1From the Department of Cardiology (T.P., K.H., T.G., A.L., E.G., A.U., J.G.D., P.H.), MIRACL.ai (Multimodality Imaging for Research and Analysis Core Laboratory: and Artificial Intelligence) (T.P., S.T., K.H., T.G., A.L., E.G., A.U., J.G.D., P.H.), Inserm MASCOT-UMRS 942 (T.P., K.H., T.A.S., T.G., A.L., E.G., A.U., J.G.D., P.H.), and Department of Radiology (T.P., V.B., L.H., T.G.), Université Paris Cité, University Hospital of Lariboisière, Assistance Publique-Hôpitaux de Paris, Paris, France; Cardiovascular Magnetic Resonance Laboratory (T.P., T.H., T.U., F.S., S.C., P.G., J.G.) and Cardiac Computed Tomography Laboratory (T.P., T.H., T.L., B.C., T.U., F.S., S.C., H.B., A.N., M.A., P.G., J.G.), Hôpital Privé Jacques Cartier, Institut Cardiovasculaire Paris Sud, Ramsay Santé, 6 Avenue du Noyer Lambert, 91300 Massy, France; Scientific Partnerships, Siemens Healthcare France, Saint-Denis, France (S.T.); Department of Cardiology, Hôpital Universitaire de Bruxelles-Hôpital Erasme, Brussels, Belgium (A.U.); and Department of Cardiovascular Imaging, American Hospital of Paris, Neuilly, France (O.V., M.S.).
一个新的机器学习 (ML) 模型整合了冠状动脉CT血管造影 (CCTA) 和应激心脏MRI数据,显著改善了新诊断冠状动脉疾病 (CAD) 患者的主要心血管不良事件 (MACE) 的预测. 这种先进的方法优于传统的风险评分和个人成像模式.
科学领域:
- 心血管成像 - 心血管成像
- 机器学习在医学中的应用
- 预测生物标志物 预测生物标志物
背景情况:
- 多模式成像对于评估冠状动脉疾病 (CAD) 风险至关重要.
- 机器学习 (ML) 可以整合复杂的数据,以改善预后分层.
- 目前用于预测新诊断的CAD中主要不良心血管事件 (MACE) 的方法需要改进.
研究的目的:
- 为了评估一个ML模型,结合冠状动脉CT血管造影 (CCTA) 和压力心脏MRI用于MACE预测.
- 将ML模型的性能与既定的风险得分和个别成像模式进行比较.
- 验证ML模型在独立患者队列上的预测能力.
主要方法:
- 对刚刚诊断出CAD的症状患者进行了回顾性分析,这些患者接受了CCTA和压力心脏MRI.
- 使用临床,心电图,CCTA和心脏MRI参数开发ML模型.
- 自动特征选择 (LASSO) 和XGBoost算法用于模型构建.
- 在两个独立的数据集上进行外部验证;通过曲线下的面积 (AUC) 评估性能.
主要成果:
- 在初级队列中,ML模型在MACE预测方面实现了0.86的AUC.
- 机器学习模型显著优于现有得分 (ESC,QRISK3,Framingham) 和个人成像数据 (CCTA,压力MRI).
- 该模型在外部验证数据集中显示出强大的性能 (AUC为0.84和0.92).
结论:
- 一个集成CCTA和压力心脏MRI数据的ML模型在新诊断的CAD中提供了卓越的MACE预测.
- 这种多模式的ML方法提供了比传统方法更准确的预后分层.
- 这些发现支持先进的ML模型在个性化心血管风险评估中的临床实用性.
更多相关视频
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
