研究人員開發(fā)了一種深度學習模型，該模型使用單次胸部 X 光片來預測 10 年因動脈粥樣硬化性心血管疾病引起的心臟病發(fā)作或中風而死亡的風險。今天在北美放射學會 (RSNA) 年會上公布了這項研究的結果。
深度學習是一種高級人工智能 (AI)，可以訓練它搜索 X 射線圖像以找到與疾病相關的模式。
“我們的深度學習模型為使用現(xiàn)有胸部 X 光圖像進行基于人群的心血管疾病風險機會性篩查提供了一種潛在的解決方案，”該研究的主要作者、馬薩諸塞州心血管成像研究中心附屬放射科醫(yī)生 Jakob Weiss 醫(yī)學博士說。綜合醫(yī)院和波士頓布萊根婦女醫(yī)院的 AI 醫(yī)學項目。“這種類型的篩查可用于識別將從他汀類藥物中受益但目前未接受治療的個體。”
目前的指南建議估計 10 年主要不良心血管疾病事件的風險，以確定誰應該獲得他汀類藥物進行一級預防。
該風險是使用動脈粥樣硬化性心血管疾病(ASCVD) 風險評分計算得出的，該評分是一種統(tǒng)計模型，考慮了許多變量，包括年齡、性別、種族、收縮壓、高血壓治療、吸煙、2 型糖尿病和血液檢查。對于 10 年風險為 7.5% 或更高的患者，建議使用他汀類藥物。
“計算 ASCVD 風險所需的變量通常不可用，這使得基于人群的篩查方法成為可取的方法，”Weiss 博士說。“由于胸部 X 光檢查很常見，我們的方法可能有助于識別高危人群。”
Weiss 博士和一組研究人員使用單次胸部 X 光 (CXR) 輸入訓練了一個深度學習模型。他們開發(fā)了稱為 CXR-CVD 風險的模型，使用來自前列腺癌、肺癌、結直腸癌和卵巢癌篩查試驗的 40,643 名參與者的 147,497 次胸部 X 光片來預測心血管疾病死亡的風險，該試驗是一項多中心、隨機的由國家癌癥研究所設計和贊助的對照試驗。
“我們早就認識到 X 射線可以捕獲傳統(tǒng)診斷結果以外的信息，但我們沒有使用這些數(shù)據(jù)，因為我們還沒有強大、可靠的方法，”Weiss 博士說。“人工智能的進步現(xiàn)在使之成為可能。”
研究人員使用第二個獨立隊列測試了該模型，該隊列包含 11,430 名門診患者(平均年齡 60.1 歲;42.9% 為男性)，他們在 Mass General Brigham 進行了常規(guī)門診胸部 X 光檢查，并且可能有資格接受他汀類藥物治療。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！