深度学习指数对大动脉狭窄症进展的纵向验证
Jiesuck Park1,2, Jiyeon Kim3, Yeonyee E Yoon1,2,3
1Cardiovascular Center and Division of Cardiology, Department of Internal Medicine Seoul National University Bundang Hospital Seongnam Gyeonggi Republic of Korea.
Journal of the American Heart Association
|January 14, 2026
概括
一个新的深度学习指数用于大动脉狭窄连续 (DLi-ASc) 有效地跟踪疾病的进展,并预测严重的大动脉狭窄. 这种数字标志物对AS患者的非侵入性监测和风险分层有希望.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 大动脉狭窄 (AS) 是一种进展性心血管疾病,需要仔细监测.
- 胸外回声心脏成像是标准的,但深度学习提供了先进的跟踪潜力.
- 此前已经开发了AS连续性的深度学习衍生指数 (DLi-ASc).
研究的目的:
- 为了检查 DLi-ASc. 的纵向变化.
- 评估DLi-ASc与进展为严重AS的预后关联.
主要方法:
- 对2373名患者进行7371次心声回声分析.
- 从心声回声图的视图中得出的DLI-ASc (尺度为0-100) 的纵向跟踪.
- 随访时间中位数为42.8个月.
主要成果:
- DLi-ASc随着AS阶段的恶化而增加,并且与速度和压力梯度有很强的相关性.
- 较高的基线DLi-ASc预测AS进展速度更快.
- 年化DLi-ASc变化与年化速度和梯度进展相关.
- 基线DLi-ASc独立预测了严重的AS进展.
结论:
- DLi-ASc随着AS的进展而增加,并且与进展到严重的AS独立相关.
- DLi-ASc 作为一种非侵入性,基于成像的数字标记器.
- 这些发现支持DLi-ASc用于纵向AS监测和风险分层.


