自动AI算法使用常规成像来预测心血管风险

冠状动脉钙化 - 心脏动脉壁上钙化斑块的积累 - 是心脏病发作等不良心血管事件的重要预测因子。通过计算机断层扫描（CT）扫描可以检测冠状动脉钙，但量化斑块的量需要放射专业知识，时间和专业设备。在实践中，即使胸部CT扫描相当常见，钙得分也不是。来自Brigham和女性医院的调查人员在医学（AIM）方案和Massachusetts总医院的心血管成像研究中心（CIRC）组织开发和评估了可能有助于改变这一点的深度学习系统。该系统自动测量CT扫描的冠状动脉钙，以帮助医生和患者对心血管预防做出更明智的决定。该团队使用来自20,000多人的数据验证了该系统，具有有前途的结果。他们的调查结果发表在自然通信。

“冠状动脉钙几乎可以使用的信息可以使用胸部CT扫描的几乎所有患者，但它不仅仅是因为为每位患者做太多时间来进行量化，“相应的作者Hugo Aerts，Ph.D.在Brigham和Harvard Medical School的医学（AIM）计划中的人工智能。“我们开发了一种可以以自动方式识别高风险个体的算法。”

与同事合作，领先作者Roman Zeleznik，MSC，AIM的数据科学家，通过评分冠状动脉钙来自动和准确地预测心血管事件的深度学习系统。虽然该工具目前仅用于研究目的，但Zeleznik和共同作者已经使其开源开源并自由地提供任何人使用。

“理论上，深入学习系统对人类会做出很多人会如何量化钙，”Zeleznik说。“我们的论文表明，可能有可能以自动的方式执行此操作。”

该团队通过培训来自Framingham心脏研究（FHS）的数据的深入学习系统，这是一个长期无期治区队列队列研究。Framingham参与者收到专门的钙得分CT扫描，由专家读者手动评分，并用于培训深入学习系统。然后将深度学习系统应用于三个另外的研究队列，其中包括肺癌筛查CT（NLST：National Lung筛查试验）的重型吸烟者，胸部疼痛的患者具有心脏CT（承诺：评估前瞻性的多中心成像研究胸痛）和患者患有心脏CT的急性胸痛（ROMICAT-II：使用计算机辅助断层摄影试验的CURE OUT FORCARALIAL infarction）。总而言之，该团队验证了超过20,000人的深度学习系统。

CIC @ MGH总监Udo Hoffmann，MD是FHS，承诺和Romicat中CT成像的主要调查人员，强调了本研究的独特方面是包含三个国家心脏，肺和血液研究所 -资助的高质量形象和结果试验，增强了这些结果的普遍性临床环境。

深度学习系统的自动化钙分数与人类专家的手工钙分数高度相关。自动分数也独立预测，谁将继续具有像心脏病发作的主要不利心血管事件。

冠状动脉钙评分在当前应该服用他汀类药物以防止心脏病发作的目前的准则中起着重要作用。“这是我们使用AI从这些胸部CTS获得额外价值的机会，”CO-Author Michael Lu，MPH表示，MPH，MPH人工智能在MGH的心血管成像研究中心。“这冠状动脉钙得分可以帮助患者和医生做出关于是否采取他汀类药物的知情，个性化的决定。从临床的角度来看，我们的长期目标是在电子健康记录中实施这种深入学习系统，自动识别高风险的患者。“

---

---