En djupinlärningsmodell utvecklad av forskare från Artificiell intelligens i medicin (AIM) Program kan förutsäga 10-årsrisken för dödsfall i hjärtinfarkt eller stroke med en enda lungröntgen.
För närvarande uppskattas denna risk med hjälp av riskpoängen för aterosklerotisk kardiovaskulär sjukdom (ASCVD). Denna statistiska modell kräver många indataparametrar, inklusive ålder, kön, ras, systoliskt blodtryck, hypertonibehandling, rökning och typ 2-diabetesstatus samt blodprover. Patienter med en risk på 7.5 % eller högre rekommenderas statinmedicin. Ofta är dock inte alla dessa variabler tillgängliga i patientens elektroniska journal.
För att råda bot på denna brist skapade forskarna en djupinlärningsmodell som kan uppskatta 10-årsrisken för allvarliga kardiovaskulära händelser från en rutinmässig röntgenbild av bröstet. På den här veckan RSNA 2022, det årliga mötet för Radiological Society of North America, huvudförfattare Jakob Weiss presenterade lagets arbete.
"Vår djupinlärningsmodell erbjuder en potentiell lösning för befolkningsbaserad opportunistisk screening av risken för hjärt-kärlsjukdomar med hjälp av befintliga röntgenbilder från thorax," förklarar Weiss. "Denna typ av screening kan användas för att identifiera individer som skulle dra nytta av statinmedicin men som för närvarande inte behandlas."
Weiss och kollegor utvecklade sin CXR-CVD riskmodell med hjälp av 147,497 40,643 röntgenstrålar från XNUMX XNUMX deltagare i PLCO cancerscreeningstudie. De testade dess prestanda med hjälp av en oberoende grupp på 11,430 10.3 polikliniska patienter som hade en rutinmässig lungröntgen vid Mass General Brigham och var potentiellt kvalificerade för statinbehandling. Under medianuppföljningen på 9.6 år drabbades XNUMX % av dessa patienter av en allvarlig hjärthändelse, med signifikant samband mellan den modellförutspådda risken och de observerade händelserna.
Hos de 2401 patienterna med tillräckliga data tillgängliga, jämförde teamet också det prognostiska värdet av CXR-CVD-riskmodellen med den etablerade kliniska standarden för att bestämma statinberättigande. I denna undergrupp av patienter uppvisade modellen liknande prestanda som den kliniska standarden.
Algoritm med öppen källkod förutsäger risk för hjärtinfarkt från CT-skanning av bröstet
"Det fina med detta tillvägagångssätt är att du bara behöver en röntgen, som tas miljontals gånger om dagen över hela världen," säger Weiss. "Vi har länge insett att röntgenstrålar fångar information utöver traditionella diagnostiska fynd, men vi har inte använt dessa data eftersom vi inte har haft robusta, pålitliga metoder. Framsteg inom AI gör det möjligt nu.”
Weiss noterar att ytterligare forskning, inklusive en kontrollerad randomiserad studie, behövs för att validera modellen, som i slutändan skulle kunna fungera som ett beslutsstödsverktyg för läkare.
