网站 Banner

        麻省总医院布莱根大学的研究人员与美国退伍军人事务部 （VA） 合作开发了一种新的 AI 工具，用于探测以前收集的 CT 扫描结果，并识别冠状动脉钙化 （CAC） 水平高的个体，这些水平使他们面临更大的心血管事件风险。 他们发表在 NEJM AI 上的研究表明，名为 AI-CAC 的工具对未来心脏病发作和 10 年死亡率具有很高的准确性和预测价值。 他们的研究结果表明广泛实施此类工具可能有助于临床医生评估患者的心血管风险。

         “每年进行数百万次胸部 CT 扫描，通常是在健康人身上进行的，例如筛查肺癌。 我们的研究表明，在这些扫描中，有关心血管风险的重要信息被忽视了，“资深作者、麻省总医院布莱根分校医学人工智能 （AIM） 项目主任 Hugo Aerts 博士说。 “我们的研究表明，人工智能具有改变的潜力临床医生如何行医并使医生能够在心脏病发展为心脏事件之前更早地与患者互动。

         胸部 CT 扫描可以检测心脏和动脉中增加心脏病发作风险的钙沉积。 量化 CAC 的黄金标准使用“门控”CT 扫描，该扫描与心跳同步以减少扫描过程中的运动。 但大多数为常规临床目的而获得的胸部 CT 扫描都是“非门控”的。

         研究人员认识到在这些非门控扫描中仍然可以检测到 CAC，这促使他们开发了 AI-CAC，这是一种深度学习算法，用于探测非门控扫描并量化 CAC，以帮助预测心血管事件的风险。 他们使用从 98 个 VA 医疗中心收集的退伍军人常规护理部分收集的胸部 CT 扫描来训练模型，然后在 8,052 次 CT 扫描中测试了 AI-CAC 的性能，以模拟常规成像测试中的 CAC 筛查。

         研究人员发现了 AI-CAC模型在确定扫描是否包含 CAC 的准确率为 89.4%。 对于存在 CAC 的患者，该模型在确定评分是高于还是低于 100 方面的准确性为 87.3%，表明心血管风险中等。 AI-CAC 还可以预测 10 年全因死亡率——CAC 评分超过 400 分的患者在 10 年内的死亡风险是 0 分患者的 3.49 倍。 在患者中，模型确定为具有非常高的 CAC 评分（超过 400 人），四位心脏病专家证实，几乎所有人 （99.2%） 都会从降脂治疗中受益。

         “目前，VA 成像系统包含数百万次可能出于其他目的进行的非门控胸部 CT 扫描，大约 50,000 次门控研究。 这为 AI-CAC 提供了一个机会，可以利用常规收集的非门控扫描进行心血管风险评估并加强护理，“第一作者、心脏病专家 Raffi Hagopian 医学博士说。VA Long Beach Healthcare System 应用创新和医学信息学小组的研究员。 “将 AI 用于 CAC 检测等任务可以帮助医学从被动方法转变为主动预防疾病，从而降低长期发病率、死亡率和医疗保健成本。”

         该研究的局限性包括该算法是完全针对退伍军人群体开发的。 该团队希望在普通人群中进行未来的研究并进行测试该工具是否可以评估降脂药物对 CAC 评分的影响。

         作者：除了 Aerts 之外，麻省总医院布莱根的作者还包括 Simon Bernatz 和 Leonard Nürnberg。 其他作者包括 Raffi Hagopian、Timothy Strebel、Gregory A。 迈尔斯、埃里克·奥弗曼、埃里克·祖尼加、Cy Y. 金安吉 T. 吴，詹姆斯 A. 伊瓦兹，桑尼 P. 辛格，埃文 P. 凯里，迈克尔 J. 金 R. Spencer Schaefer、Jeannie Yu 和 Amilcare Gentili。

         资助：这项工作由退伍军人资助事务医疗保健系统。