연구원들이 개발한 딥러닝 모델 AIM(의료 인공 지능) 프로그램 단일 흉부 엑스레이를 사용하여 심장 마비 또는 뇌졸중으로 인한 10년 사망 위험을 예측할 수 있습니다.
현재 이 위험은 죽상경화성 심혈관 질환(ASCVD) 위험 점수를 사용하여 추정됩니다. 이 통계 모델에는 연령, 성별, 인종, 수축기 혈압, 고혈압 치료, 흡연 및 제2형 당뇨병 상태, 혈액 검사를 포함한 수많은 입력 매개변수가 필요합니다. 7.5% 이상의 위험이 있는 환자는 스타틴 약물을 권장합니다. 그러나 종종 이러한 변수는 환자의 전자 기록에서 모두 사용할 수 없습니다.
이 부족함을 해결하기 위해 연구원들은 일상적인 흉부 방사선 사진에서 주요 심혈관 부작용의 10년 위험을 추정할 수 있는 딥 러닝 모델을 만들었습니다. 이번주에 RSNA 2022, 북미 방사선 학회 연례 회의, 주저자 야콥 바이스 팀의 작품을 발표했습니다.
Weiss는 "우리의 딥 러닝 모델은 기존의 흉부 X선 이미지를 사용하여 심혈관 질환 위험에 대한 인구 기반 기회 선별 검사를 위한 잠재적인 솔루션을 제공합니다."라고 설명합니다. "이 유형의 스크리닝은 스타틴 약물로 혜택을 볼 수 있지만 현재 치료를 받지 않는 개인을 식별하는 데 사용될 수 있습니다."
Weiss와 동료들은 147,497명의 참가자로부터 얻은 40,643개의 흉부 X선을 사용하여 CXR-CVD 위험 모델을 개발했습니다. PLCO 암 검진 시험. 그들은 Mass General Brigham에서 일상적인 흉부 X-레이 검사를 받았고 잠재적으로 스타틴 요법을 받을 자격이 있는 외래 환자 11,430명으로 구성된 독립 그룹을 사용하여 그 성능을 테스트했습니다. 중앙값 10.3년의 추적 기간 동안, 이들 환자의 9.6%가 주요 심장 부작용을 겪었고, 모델 예측 위험과 관찰된 사건 사이에 상당한 연관성이 있었습니다.
충분한 데이터가 있는 2401명의 환자에서 팀은 CXR-CVD 위험 모델의 예후적 가치를 스타틴 적격성을 결정하기 위해 확립된 임상 표준과 비교했습니다. 이 환자 하위 집합에서 모델은 임상 표준과 유사한 성능을 보였습니다.
오픈 소스 알고리즘으로 흉부 CT 스캔으로 심장마비 위험 예측
"이 접근 방식의 장점은 전 세계적으로 하루에 수백만 번 획득되는 X-레이만 있으면 된다는 것입니다."라고 Weiss는 말합니다. “우리는 X-레이가 기존의 진단 결과 이상의 정보를 캡처한다는 사실을 오랫동안 인식해 왔지만 강력하고 신뢰할 수 있는 방법이 없었기 때문에 이 데이터를 사용하지 않았습니다. AI의 발전으로 이제 가능해졌습니다.”
Weiss는 궁극적으로 의사를 위한 의사 결정 지원 도구 역할을 할 수 있는 모델을 검증하기 위해 통제된 무작위 시험을 포함한 추가 연구가 필요하다고 지적합니다.
