利用腹部CT扫描增强心血管疾病风险分层的机会主义AI

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 常规腹部CT扫描为机会性生物标志物发现提供了机会.
• 心血管疾病 (CVD) 风险评估可以通过新的预测工具来增强.
• 深度学习模型可以分析复杂的成像数据以获得临床见解.

研究的目的:

• 引入和验证基于深度学习的心血管疾病事件 (DL-CVDi) 评分.
• 评估DL-CVDi得分能够预测发生心血管疾病 (CVD) 的能力.
• 评估DL-CVDi得分在改善现有的心血管疾病风险预测模型方面的表现.

主要方法:

• 在腹部CT扫描上使用深度生存学习开发DL-CVDi得分.
• 应用基于Cox比例危险的生存损失函数.
• 临床验证包括对传统心血管疾病风险因素进行调整,并与基线模型进行比较.

主要成果:

• 高DL-CVDi得分与心血管疾病发生风险增加显著相关 (HR:2.75).
• DL-CVDi得分改善了超越年龄,性别和Framingham风险得分的模型一致性.
• DL-CVDi得分显示出一个统计学上显著的趋势 (p-趋势<0.005).

结论:

• 来自常规CT扫描的DL-CVDi得分是预测心血管疾病风险的有希望的新生物标志物.
• 它依赖于广泛可用的成像数据,这表明它有可能成为一种机会性查工具.
• 为了确定其临床实用性,需要在不同的队列和并发性疾病中进一步验证.