心脏PET中的AI衍生脏反应预测死亡率:一项多地点研究

科学领域:

• 心脏病学 心脏病学
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 在心肌输液成像 (MPI) 期间不充分的药理应力可能会损害诊断准确性.
• 脊髓比率 (SR) 是一种新兴的成像生物标志物,用于评估MPI中的应力充分性.
• 人工智能 (AI) 提供SR的自动计算.

研究的目的:

• 评估AI衍生的SR在一个大型多中心队列中的预后能力,该队列正在使用82Rb PET进行雷加代诺松应激测试.
• 为了确定AI衍生的SR是否预测主要不良心血管事件 (MACE).

主要方法:

• 从REFINE PET注册表中对10,913名临床上显示的MPI患者进行了回顾性分析.
• 自动计算SR (压力与休息脏吸收比率).
• 使用卡普兰-梅尔和考克斯模型进行生存分析,对包括心肌流量储备 (MFR) 在内的共变量进行调整.

主要成果:

• 高SR (≥90百分位) 的患者表现出MACE风险增加 (HR 1.18).
• 这种关联甚至在患有保存的MFR (≥2) (HR 1.44) 的患者中仍然存在.
• 人工智能衍生的SR与不良心血管结果有独立的关联.

结论:

• 由人工智能衍生的升高SR是不良心血管结果的独立预测因素.
• 在82Rb PET MPI中,SR作为一种新型的自动成像生物标志物用于风险分层.
• 这些发现凸显了压力充分性在MPI解释中的重要性.