人工智能支持的心声回声作为多模式大动脉狭窄成像的替代品:一项临床试验后期分析

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
• 生物标志物开发 生物标志物开发

背景情况:

• 大动脉狭窄 (AS) 的准确表型传统上依赖于多模式成像,其可访问性有限.
• 数字大动脉狭窄症严重性指数 (DASSi) 是一个AI生物标志物,来自2D心声学,可以独立于多普勒测量预测AS进展.
• 作为AS评估多模式成像的可扩展替代方案,DASSi增强心声学的潜力仍需得到充分评估.

研究的目的:

• 评估DASSi定义个性化的AS进展概况的能力.
• 为了验证DASSi对多模式成像特征的性能,这些特征表明AS的功能性,结构性和生物性疾病严重程度.
• 评估DASSi与AS疾病进展和临床结果的关联.

主要方法:

• 该研究分析了来自SALTIRE-2试验的134名轻度至中度AS参与者.
• 基线DASSi测量是在跨胸腔心声图上进行的,并评估了与血液动力学 (AV-Vmax),结构性 (CT衍生的AVCS) 和生物 ([18F]NaF吸收) 严重性标志物的关联.
• 疾病进展 (AV-Vmax和AVCS的变化) 和发生的大动脉置换 (AVR) 使用通用线性混合或Cox模型进行评估.

主要成果:

• 在134名参与者 (72岁,20.1%的女性) 中观察到0.51的平均基线DASSi.
• 每一个DASSi标准偏差的增加独立地与更高的AV-Vmax,AVCS和[18F]NaF TBRmax有关,表明疾病的严重程度更高.
• 较高的DASSi与加速的疾病进展 (AV-Vmax,AVCS) 和未来AVR风险增加相关 (adj.HR 1.47 per SD).

结论:

• DASSi显示了与AS严重程度的功能,结构和生物方面的重要关联,以及疾病进展和不良结果.
• 用DASSi增强的心声回声学为AS评估提供了多模式成像的易于获得的替代方案.
• DASSi作为临床生物标志物在常规实践和大动脉狭窄的临床试验中具有潜在价值.