一组胸部x光片 在Pinterest分享
科学家测试了一种预测心血管疾病死亡风险的新方法。照片编辑:Stephen Kelly;sudok1 /盖蒂图片社
  • 最近的一项研究开发了一种方法,将肺癌筛查数据与人工智能(AI)结合起来,帮助预测心脏病死亡风险。
  • 与标准方法相比,该研究的钙评分方法预测心血管死亡风险。
  • 根据作者的说法,他们的方法是“自动的,快速的,并且只引起最小的额外工作量。”

心脏病 是美国人的头号死因,大约 25% 因吸烟而死于心血管疾病的人数

吸烟 双打,成倍增加 患冠心病和中风的风险。

香烟烟雾中的化学物质会损害血管内壁,导致炎症。吸烟还会导致动脉粥样硬化或斑块(由脂肪、钙和其他物质组成)的积累,导致动脉狭窄和僵硬。

一个 冠状动脉钙扫描 是一种利用计算机断层扫描(CT)生成动脉中含钙斑块的多重图像的x射线。从这些图像,卫生专业人员可以创建一个冠状动脉钙(CAC)评分评估患者的心脏病风险并指导治疗。

2021年美国预防服务工作组(USPSTF),目前建议对50-80岁的肺癌患者每年进行低剂量CT检查 pack-year 吸烟史及过去15年内是否有吸烟或戒烟史。

最近这项研究的作者调查了医生是否可以使用这些推荐的肺部筛查来预测心脏病相关死亡的5年风险。

该研究结果发表在《科学》杂志上放射学:心胸成像。该研究使用了2002年8月至2004年4月期间参加国家肺部筛查试验的参与者的低剂量CT肺扫描数据。

该研究使用了一种自动深度学习方法,从低剂量CT肺部扫描中量化动脉钙。深度学习是一种使用多层算法结构或“神经网络”来分析数据的人工智能。

第一个神经网络对CT图像进行对齐和裁剪以聚焦心脏。第二个神经网络测量从第一个神经网络提取的图像中的钙水平。

深度学习网络在心脏的六个不同区域识别出血管钙化,包括胸主动脉、主动脉瓣、二尖瓣和右冠状动脉。

利用这些信息,作者预测了每个参与者的5年心血管疾病死亡率。然后,他们将研究预测模型与其他三种模型进行了比较:

  • 只有自我报告的参与者特征
  • 自我报告特征和总CAC
  • 自我报告特征与研究预测模型

自我报告的参与者特征表明CV风险增加包括年龄、吸烟史和其他疾病史,如糖尿病、中风、高血压和心脏病。

研究人员用4451名参与者的数据训练了这个预测模型,并用1113名参与者的数据测试了它。测试组中约62%为男性,平均年龄61岁,吸烟史约50包年。

作者发现,他们的自动钙评分方法在预测5年CV死亡风险方面与使用自报告CV危险因素和总CAC的模型表现相同。

研究预测模型比单独的自我报告患者特征表现更好。最准确的预测来自科学家结合参与者自我报告特征的新方法。

该研究的首席作者Dr. Bob D. de Vos博士,来自荷兰阿姆斯特丹大学医学中心和乌得勒支大学医学中心图像科学研究所,他评论了自动钙评分研究方法的优点:

“该方法只使用图像信息,是全自动的,速度很快。该方法可以在不到半秒的时间内获得完整胸部CT的钙评分。”

该研究的局限性包括研究人群由特定年龄范围内的重度吸烟者组成,且主要为男性,这就限制了对其他人群的推广。

de Vos博士说:“例如,我们开发了一种方法,即使病变低于临床使用的阈值,也可以检测冠状动脉钙化。通过这种方法,我们希望增加钙评分的可重复性,并实现更准确的预测。”

“我们还发现,一些钙含量很高的人存活了下来,而另一些钙含量较低的人却发生了主要的心脏事件。”这项工作为未来的研究提供了一个方向,可以精确地指出哪些钙化物质是危险的,”de Vos博士总结道。