使用人工智能自动识别近端冠状动脉:推进心血管风险评估
Jianhang Zhou1, Aakash D Shanbhag1,2, Donghee Han1
1Departments of Medicine (Division of Artificial Intelligence in Medicine), Biomedical Sciences, and Imaging, Cedars-Sinai Medical Center, 6500 Wilshire Boulevard, Los Angeles, CA 90048, USA.
人工智能 (AI) 可以在CT扫描上识别近接冠状动脉 (CAC). 这种人工智能驱动的近端CAC检测改善了主要不良心脏事件 (MACE) 风险预测,特别是在CAC负担较低的患者中.
科学领域:
- 心血管成像 - 心血管成像
- 医学中的人工智能
- 风险预测风险预测
背景情况:
- 靠近冠状动脉的 (CAC) 可能会增强超出标准CAC得分的重大心脏不良事件 (MACE) 预测,特别是在低负担的情况下.
- 封闭式心脏CT和AI为检测近端CAC和评估其预后价值提供了潜力.
研究的目的:
- 为了确定近距离CAC是否可以在使用AI的封闭心脏CT上检测到.
- 评估AI识别的近位CAC在预测MACE中的预后意义.
主要方法:
- 使用专家注释开发了一个AI算法,用于将CAC分类为近接或非近接.
- 人工智能算法是在2016年无症状成年人的心脏CT扫描上训练的.
- 在14年随访期间,对具有轻度CAC分数 (1-99) 的受试者进行了预后意义评估.
主要成果:
- 人工智能算法在分类近道和非近道CAC时获得了高准确度 (AUC0.93).
- 在具有轻度CAC分数的受试者中,AI识别的近位CAC与较差的MACE无生存率 (P=0.008) 有显著的关联.
- 靠近的CAC独立预测了MACE风险 (HR 2.28,P=0.02),即使经过对CAC得分和临床因素进行调整.
结论:
- 人工智能可以在心脏CT扫描上有效地识别近端CAC.
- 靠近的CAC位置提供了温和的预后信息,在个体中,轻度的CAC得分.
- 将基于AI的近距离CAC检测集成到自动评分中可以提高CAC CT的风险预测能力.
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
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
相关概念视频
Assessment of blood pressure in brachial artery(one-step method)
Prepare for the Procedure:
Assessment of blood pressure in brachial artery(two-step method)
Assessing Blood pressure using a doppler ultrasound
Pre-Procedural Guidelines for Doppler Ultrasound Blood Pressure Assessment:
Preparation of Equipment:
Assessing Blood pressure in the Leg
Preparation:
Pre-Procedural Guidelines for Assessing Blood Pressure
Coronary Artery Disease IV: Preventive Measures
