根據(jù)發(fā)表在《核醫(yī)學雜志》1 月號上的研究，通過將來自兩種先進成像技術(shù)的信息與臨床數(shù)據(jù)相結(jié)合，醫(yī)生可以改進他們對心臟病發(fā)作的預測。當在人工智能模型中一起評估時，發(fā)現(xiàn) PET 上的冠狀動脈18F-NaF 攝取和 CT 血管造影上的定量冠狀動脈斑塊特征是互補的，是已確診冠狀動脈疾病患者心臟病發(fā)作風險的強預測因子，提供的風險預測優(yōu)于僅臨床數(shù)據(jù)。
在日常臨床實踐中，預測心臟病發(fā)作具有挑戰(zhàn)性。心臟病發(fā)作的預測可能性通?；谛难芪ｋU因素和評分，尤其是在疑似冠狀動脈疾病的患者中。然而，在確診為冠狀動脈疾病的患者中，心血管危險因素和評分并不總能顯示全貌。
“最近，先進的成像技術(shù)在確定哪些冠狀動脈疾病患者最有心臟病發(fā)作的風險方面表現(xiàn)出相當大的前景。這些技術(shù)包括18F-氟化鈉 (18F-NaF) PET，它可以評估冠狀動脈中的疾病活動和 CT 血管造影，它提供了定量斑塊分析，”Piotr J. Slomka 博士說，他是 FACC、FASNC、FCCPM、加利福尼亞州洛杉磯 Cedars-Sinai 醫(yī)療中心的影像創(chuàng)新主任。“我們在這項研究中的目標是調(diào)查18F-NaF PET 和 CT 血管造影提供的信息是否互補，是否可以通過使用人工智能技術(shù)改善心臟病發(fā)作的預測。”
近 300 名患有冠狀動脈粥樣硬化的患者參與了這項研究。所有患者都接受了基線臨床評估，評估了他們的心血管危險因素概況。所有患者均接受混合冠狀動脈18F-NaF PET 和造影劑 CT 冠狀動脈造影。機器學習——一種人工智能——被用于通過結(jié)合臨床評估的關鍵變量、18F-NaF PET 結(jié)果和定量 CT 變量來計算心臟病發(fā)作風險的聯(lián)合評分。
機器學習模型在預測心臟病發(fā)作方面比單獨使用臨床數(shù)據(jù)有顯著改善。這種方法表明18F-NaF PET 和 CT 血管造影是互補和相加的，兩者的結(jié)合提供了最可靠的結(jié)果預測。
“18F-NaF PET 與 CT 血管造影術(shù)提供的解剖成像相結(jié)合，有可能通過指導使用先進的治療干預措施來實現(xiàn)精準醫(yī)學，”Slomka 指出。“我們的研究支持使用人工智能方法來整合多模態(tài)成像和臨床數(shù)據(jù)，以穩(wěn)健地預測心臟病發(fā)作。”
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！