Ein Deep-Learning-Modell, das von Forschern der Programm für künstliche Intelligenz in der Medizin (AIM). kann das 10-Jahres-Risiko des Todes durch Herzinfarkt oder Schlaganfall anhand einer einzigen Röntgenaufnahme des Brustkorbs vorhersagen.
Derzeit wird dieses Risiko anhand des Risiko-Scores für atherosklerotische kardiovaskuläre Erkrankungen (ASCVD) abgeschätzt. Dieses statistische Modell erfordert zahlreiche Eingabeparameter, darunter Alter, Geschlecht, Rasse, systolischer Blutdruck, Bluthochdruckbehandlung, Rauchen und Typ-2-Diabetes-Status sowie Bluttests. Patienten mit einem Risiko von 7.5 % oder höher wird eine Statin-Medikation empfohlen. Oft sind diese Variablen jedoch nicht alle in der elektronischen Patientenakte verfügbar.
Um diesen Mangel zu beheben, erstellten die Forscher ein Deep-Learning-Modell, das das 10-Jahres-Risiko schwerer kardiovaskulärer Ereignisse anhand einer routinemäßigen Röntgenaufnahme des Brustkorbs abschätzen kann. Bei dieser Woche RSNA 2022, dem Jahrestreffen der Radiological Society of North America, Hauptautor Jacob Weiß stellte die Arbeit des Teams vor.
„Unser Deep-Learning-Modell bietet eine potenzielle Lösung für ein populationsbasiertes opportunistisches Screening des Risikos von Herz-Kreislauf-Erkrankungen unter Verwendung vorhandener Röntgenbilder des Brustkorbs“, erklärt Weiss. „Diese Art des Screenings könnte verwendet werden, um Personen zu identifizieren, die von Statin-Medikamenten profitieren würden, aber derzeit unbehandelt sind.“
Weiss und Kollegen entwickelten ihr CXR-CVD-Risikomodell unter Verwendung von 147,497 Röntgenaufnahmen des Brustkorbs von 40,643 Teilnehmern der PLCO-Krebsvorsorgestudie. Sie testeten seine Leistung anhand einer unabhängigen Gruppe von 11,430 ambulanten Patienten, die sich einer Routine-Thorax-Röntgenaufnahme im Mass General Brigham unterzogen hatten und möglicherweise für eine Statintherapie in Frage kamen. Während der medianen Nachbeobachtungszeit von 10.3 Jahren erlitten 9.6 % dieser Patienten ein schweres unerwünschtes kardiales Ereignis, mit einem signifikanten Zusammenhang zwischen dem vom Modell vorhergesagten Risiko und den beobachteten Ereignissen.
Bei den 2401 Patienten mit ausreichend verfügbaren Daten verglich das Team auch den prognostischen Wert des CXR-CVD-Risikomodells mit dem etablierten klinischen Standard zur Entscheidung über die Eignung für Statine. Bei dieser Untergruppe von Patienten zeigte das Modell eine ähnliche Leistung wie der klinische Standard.
Open-Source-Algorithmus prognostiziert das Herzinfarktrisiko anhand des Thorax-CT-Scans
„Das Schöne an diesem Ansatz ist, dass Sie nur ein Röntgenbild benötigen, das täglich millionenfach auf der ganzen Welt aufgenommen wird“, sagt Weiss. „Wir haben seit langem erkannt, dass Röntgenstrahlen Informationen erfassen, die über herkömmliche diagnostische Befunde hinausgehen, aber wir haben diese Daten nicht verwendet, weil wir keine robusten, zuverlässigen Methoden hatten. Fortschritte in der KI machen es jetzt möglich.“
Weiss merkt an, dass zusätzliche Forschung, einschließlich einer kontrollierten randomisierten Studie, erforderlich ist, um das Modell zu validieren, das letztendlich als Entscheidungshilfe für Ärzte dienen könnte.
