胸前大动脉化对CT使用基于人工智能的量化在查人群中的长期预后影响:一项两中心研究

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 预防性心脏病学 预防性心脏病学

背景情况:

• 为预后目的评估胸前大动脉化 (TAC) 是具有挑战性的,因为在标准化方面存在困难.
• 冠状动脉化 (CAC) 是一个已知的心血管风险标志物.
• TAC的增量预后值,特别是当AI量化时,需要在查种群中进行进一步的调查.

研究的目的:

• 评估AI量化TAC对常规胸部CT扫描的长期预后影响.
• 评估基于人工智能的TAC是否能改善心血管风险预测,超出了CAC等既定因素.

主要方法:

• 追溯分析7404个无症状个体接受非对比胸部CT进行健康查.
• 人工智能计划量化了TAC和CAC (阿加斯顿分数);手动量化作为参考.
• 多变量考克斯模型评估了基于AI的TAC类别与主要心血管不良事件 (MACE) 和全因死亡率 (ACM) 的独立关联,调整了CAC,临床和实验室变量.

主要成果:

• 基于人工智能和人工量化对TAC和CAC的量化之间达成了很好的协议.
• 在对CAC和其他变量进行调整后,基于AI的TAC与MACE风险没有独立相关.
• 基于AI的高TAC得分 (1001-3000) 独立地与增加的ACM风险相关;然而,AI-TAC并没有改善预后模型适合MACE或ACM.

结论:

• 将AI量化的TAC添加到风险预测模型中,在无症状个体中提供了相对于CAC的有限增量值.
• 基于人工智能的TAC量化提供了一种标准化的方法来评估其作为成像生物标记物的潜力.
• 进一步的研究可能会澄清TAC在心血管风险分层中的具体作用.