2022年11月29日——研究人员已经开发出一种深刻的学习模型,使用一个胸部x光片预测10年期从心脏病发作或死亡的风险中风,因动脉粥样硬化性心血管疾病。研究结果提出了在今天年度会议北美放射学会(RSNA)。
学习是一种先进的深处人工智能(AI),可以训练搜索寻找模式的x射线图像与疾病有关。
“我们深入学习模式提供了一个潜在的解决方案以人群为基础的机会性筛查心血管疾病风险的使用现有的胸部x光图像,”说,这项研究的第一作者,雅各布维斯,医学博士放射科医生的在马萨诸塞州综合医院心血管成像研究中心人工智能在医学项目布莱根妇女医院在波士顿。”这种类型的筛选可以用来识别个体将会从中受益他汀类药物药物但目前治疗。”
目前的指南建议估计10年主要不良心血管疾病的风险事件建立谁应该获得初级预防他汀类药物。
这种风险计算使用动脉粥样硬化性心血管疾病(ASCVD)风险评分,一个统计模型,考虑的变量,包括年龄,性别,种族,收缩压,治疗高血压、吸烟、2型糖尿病和血液检查。他汀类药物的患者建议10年7.5%或更高的风险。
“必要的变量计算ASCVD风险往往无法获得,这使得基于人群的筛查方法可取的,”Weiss博士说。“胸部x光检查通常可用,我们的方法可以帮助识别高危个体。”
韦斯博士和一组研究人员训练的深度学习模型使用一个胸透(CXR)输入。他们开发的模型,称为CXR-CVD风险,预测147497年死于心血管疾病的风险使用胸部x光检查的40643名参与者前列腺癌、肺癌、直肠癌和卵巢癌筛查试验,一个多中心、随机对照试验设计,由美国国家癌症研究所。
“我们早就认识到,x射线捕捉信息除了传统的诊断结果,但是我们没有使用这些数据,因为我们还没有健壮的、可靠的方法,”Weiss博士说。“人工智能的进步成为可能。”
研究人员测试了模型使用第二个独立队列11430年门诊病人(平均年龄60.1岁;42.9%的男性)曾在大规模常规门诊胸部x光一般的布里格姆和潜在的合格的他汀类药物治疗。
对11430例,1096人,或9.6%,主要不良心血管事件的平均随访10.3年。有显著关联的风险预测CXR-CVD深度学习模型和观察到的主要心脏事件的风险。
研究人员还比较的预后价值模型,建立临床标准决定他汀类资格。这可能是计算只有2401名患者(21%)由于缺失的数据(如血压、胆固醇)在电子记录。对于这个病人的子集,CXR-CVD风险模型进行类似于建立临床标准,甚至提供增量值。
”这种方法的好处是,你只需要做一次x光透视是收购了世界各地数以百万计的一天,”Weiss博士说。“基于一个现有的胸部x光图像,我们的深度学习模型预测未来主要不良心血管事件具有类似性能和增量价值建立临床标准。”
韦斯博士说,进一步的研究,包括控制,随机试验,需要验证深度学习模型,它最终可能治疗医生作为决策支持工具。
“我们是一个显示胸部x光片不仅仅是一个胸透,”Weiss博士说。”这样的方法,我们得到一个量化指标,允许我们提供诊断和预后信息,帮助临床医生和病人。”
合作者是Vineet拉博士Kaavya Paruchuri,医学博士Pradeep Natarajan,医学博士,M.M.S.C.Hugo Aerts博士和Michael t . Lu,医学博士。调查人员的部分资金支持的国家医学科学院和美国心脏协会。
更多信息:www.rsna.org