使用完全自动化的深度学习进行的萨尔科佩尼亚评估预测了心脏移植接受者的心脏异构移植生存率

科学领域:

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

背景情况:

• 低肌肉质量的萨尔科佩尼亚与末期心力衰竭患者的不良结果有关.
• 从CT扫描中手动量化肌肉质量是劳动密集型的,容易出现错误.
• 预测心脏移植成功需要可靠的方法来评估患者的病情.

研究的目的:

• 评估基于深度学习的自动化评估放射性肉症是否能预测心脏移植后的结果.
• 建立一种更快,更一致的方法来评估心脏移植候选人的肉症.

主要方法:

• 对164名成年心脏移植接受者的回顾性分析 (2013-2022年).
• 一个深度学习工具自动计算骨肌肉面积从移植前的胸部CT扫描.
• 放射性肉症是由骨肌指数 (SMI) 的最低性别特异四分位数定义的.

主要成果:

• 在T11的放射性肉与显著较低的心脏全移植存活率有关 (83%与3年后97%相比).
• 自动 Sarcopenia 评估预测了全移植损失或死亡风险的增加 (HR 3.86).
• 患有sarcopenia的患者在移植后经历了更长的住院时间.

结论:

• 使用CT扫描进行自动放射性萨尔科佩尼亚评估是心脏移植结果的可行预测指标.
• 这种由人工智能驱动的方法为手工方法提供了可靠,高效的替代方案.
• 改善候选人选择和患者结果是心脏移植的潜在好处.