对心血管风险的机会主义评估,使用来自非对比性胸部计算机断层扫描的人工衍生结构性大动脉和心脏表型

科学领域:

• 心血管成像和人工智能
• 放射学用于风险预测和预测.
• 预防性心脏病学 预防性心脏病学

背景情况:

• 心血管疾病 (CVD) 的初级预防依赖于风险得分 (PCE,PREVENT).
• 这些分数往往缺乏电子健康记录 (EHR) 中所需的数据.
• 常规收集的数据,如胸部CTs,可以提高风险预测.

研究的目的:

• 评估使用胸部CT特征的放射学模型,以预测主要不良心血管事件 (MACE).
• 确定该模型是否为现有的临床风险算法 (PCE,PREVENT) 增加了价值.
• 为了评估传统得分的不完整数据的患者的表现.

主要方法:

• 通过使用13,437个肺癌查CTs的心脏和大动脉放射学特征开发了一个LASSO模型.
• 该模型预测了12年内致命的MACE.
• 对4,303名个人进行了外部验证,将放射学分数与PCE和PREVENT分数进行了比较.

主要成果:

• 与PCE相比,放射学得分显著改善了MACE预测 (c指数0.653比0.567).
• 对于传统分数来说,即使缺少输入变量,性能也是一致的.
• 基于放射性评分的他类药物的适用性发现了更高的MACE发病率.

结论:

• 来自胸部CT的基于心脏形状的放射学模型可以预测超出临床算法的心血管事件.
• 该模型即使在传统风险计算器输入缺失的情况下也表现良好.
• 通过放射性评分识别的高风险个人可能会从加强的初级预防策略中受益.