新闻Release

2020年3月4日,星期三

自动化的CT生物标记物比目前的方法更好地预测心血管事件和死亡率

美国国立卫生研究院和威斯康星大学的研究人员证明,与目前的标准方法(例如弗雷明汉风险评分(FRS)和人体质量)相比,使用人工智能分析CT扫描可以对重大心血管事件进行更准确的风险评估。指数(BMI)。

仅在美国,每年就进行超过8000万次人体CT扫描,但是通常忽略了有关人体成分的有价值的预后信息。例如,在这项研究中,当使用AI分析图像时,进行常规结肠直肠癌筛查的腹部扫描揭示了有关心脏相关风险的重要信息。

这项研究比较了源自图像处理算法的基于CT的自动人体成分生物标记物相对于常规使用的临床参数预测主要心血管事件和总体存活率的能力。研究人员发现,基于CT的测量在预测下游不良事件(包括死亡或心肌梗塞,脑血管意外或充血性心力衰竭)方面比FRS和BMI更准确。结果出现在 柳叶刀数字健康.

美国国立卫生研究院临床中心,该研究的高级作者罗纳德·萨默斯(Ronald M. Summers)博士说:“我们发现,自动化措施比已建立的临床生物标记物能提供更准确的风险评估。” “这证明了一种方法的潜力,该方法使用AI来利用针对所有其他适应症进行的所有此类扫描中嵌入的生物识别数据,并得出有助于人们更好地了解其整体健康状况和严重不良事件风险的信息。”

该研究在腹部CT扫描上使用了五个AI计算机程序,以准确测量肝脏体积和脂肪变化,内脏脂肪体积,骨骼肌体积,脊柱骨矿物质密度和动脉狭窄。研究人员发现,不仅可以基于自动CT的生物标记物的组合与FRS和BMI相比在预测任何症状出现之前预测心血管事件和死亡方面均具有可比性,而且实际上是主动脉钙化的CT测量,即钙沉积在动脉中的形成。在主要的心血管事件和总体生存率方面,仅主动脉瓣明显优于FRS。

研究人员还观察到,BMI不能很好地预测心血管事件和总体生存率,并且所有五项基于CT的自动测量指标在不良事件预测方面均明显优于BMI。

威斯康星大学医学院的医学博士Perry J. Pickhardt说:“机会性地使用其他基于CT的生物标记物为医生已经在做的事情提供了客观价值。”&公共卫生,研究的主要作者和相应作者。 “这种自动化过程不需要对患者进行额外的时间,精力或放射线照射,但是这些预后措施有一天可能会通过症状前检测出心血管升高或其他健康风险,从而影响患者的健康。”

这项研究建立在先前设计Summers博士在NIH临床中心放射学和影像科学系实验室以及他与Pic​​khardt博士合作开发,训练,测试和验证用于测量的全自动算法的合作之前所做的努力上身体成分采用腹部CT。研究人员计划在其他研究中测试这种方法,包括种族更多的人群。

这项研究得到了NIH内部研究计划的支持,并利用了NIH Biowulf集群的高性能计算功能。

关于NIH临床中心: NIH临床中心是美国国立卫生研究院的临床研究医院。通过临床研究,临床医生-研究人员将实验室发现转化为更好的治疗,疗法和干预措施,以改善国家的健康状况。更多信息: //clinicalcenter.nih.gov.

关于国立卫生研究院(NIH): 美国国立医学研究院(NIH)是美国的医学研究机构,包括27个研究所和中心,并且是美国卫生与公共服务部的一部分。 NIH是进行和支持基础,临床和转化医学研究的主要联邦机构,并且正在调查常见和罕见疾病的病因,治疗方法和治愈方法。有关NIH及其计划的更多信息,请访问 www.nih.gov.

NIH…将发现转化为健康®

参考

Pickhardt P,Summers R等。自动CT生物标记物用于无症状筛查人群中未来心血管事件和死亡率的机会性预测:一项回顾性队列研究。 柳叶刀数字健康。 2020年3月2日。DOI:10.1016 / S2589-7500(20)30025-X

###