研究人员开发了一种深度学习模型，该模型使用单次胸部 X 光片来预测 10 年因动脉粥样硬化性心血管疾病引起的心脏病发作或中风而死亡的风险。今天在北美放射学会 (RSNA) 年会上公布了这项研究的结果。
深度学习是一种高级人工智能 (AI)，可以训练它搜索 X 射线图像以找到与疾病相关的模式。
“我们的深度学习模型为使用现有胸部 X 光图像进行基于人群的心血管疾病风险机会性筛查提供了一种潜在的解决方案，”该研究的主要作者、马萨诸塞州心血管成像研究中心附属放射科医生 Jakob Weiss 医学博士说。综合医院和波士顿布莱根妇女医院的 AI 医学项目。“这种类型的筛查可用于识别将从他汀类药物中受益但目前未接受治疗的个体。”
目前的指南建议估计 10 年主要不良心血管疾病事件的风险，以确定谁应该获得他汀类药物进行一级预防。
该风险是使用动脉粥样硬化性心血管疾病(ASCVD) 风险评分计算得出的，该评分是一种统计模型，考虑了许多变量，包括年龄、性别、种族、收缩压、高血压治疗、吸烟、2 型糖尿病和血液检查。对于 10 年风险为 7.5% 或更高的患者，建议使用他汀类药物。
“计算 ASCVD 风险所需的变量通常不可用，这使得基于人群的筛查方法成为可取的方法，”Weiss 博士说。“由于胸部 X 光检查很常见，我们的方法可能有助于识别高危人群。”
Weiss 博士和一组研究人员使用单次胸部 X 光 (CXR) 输入训练了一个深度学习模型。他们开发了称为 CXR-CVD 风险的模型，使用来自前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验的 40,643 名参与者的 147,497 次胸部 X 光片来预测心血管疾病死亡的风险，该试验是一项多中心、随机的由国家癌症研究所设计和赞助的对照试验。
“我们早就认识到 X 射线可以捕获传统诊断结果以外的信息，但我们没有使用这些数据，因为我们还没有强大、可靠的方法，”Weiss 博士说。“人工智能的进步现在使之成为可能。”
研究人员使用第二个独立队列测试了该模型，该队列包含 11,430 名门诊患者(平均年龄 60.1 岁;42.9% 为男性)，他们在 Mass General Brigham 进行了常规门诊胸部 X 光检查，并且可能有资格接受他汀类药物治疗。
在 11,430 名患者中，1,096 名或 9.6% 的患者在 10.3 年的中位随访期间发生了主要不良心脏事件。CXR-CVD 风险深度学习模型预测的风险与观察到的主要心脏事件之间存在显着关联。
研究人员还将该模型的预后价值与确定他汀类药物资格的既定临床标准进行了比较。由于电子记录中缺少数据(例如，血压、胆固醇)，因此只能在 2,401 名患者 (21%) 中进行计算。对于这部分患者，CXR-CVD 风险模型的表现与已建立的临床标准相似，甚至提供了增量值。
“这种方法的美妙之处在于你只需要一张 X 射线，它在全世界每天被采集数百万次，”Weiss 博士说。“基于单个现有的胸部 X 光图像，我们的深度学习模型可以预测未来的主要不良心血管事件，其性能和增量价值与既定临床标准相似。”
Weiss 博士说，包括对照随机试验在内的额外研究对于验证深度学习模型是必要的，该模型最终可以作为治疗医生的决策支持工具。
“我们所展示的是胸部 X 光检查不仅仅是胸部 X 光检查，”Weiss 博士说。“通过这样的方法，我们获得了定量测量，这使我们能够提供有助于临床医生和患者的诊断和预后信息。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！