研究人员开发的深度学习模型 医学人工智能 (AIM) 计划 可以使用单次胸部 X 光预测 10 年死于心脏病或中风的风险。
目前，这种风险是使用动脉粥样硬化性心血管疾病 (ASCVD) 风险评分进行评估的。 该统计模型需要大量输入参数，包括年龄、性别、种族、收缩压、高血压治疗、吸烟和 2 型糖尿病状况以及血液测试。 风险为 7.5% 或更高的患者推荐使用他汀类药物。 然而，这些变量通常在患者的电子记录中并非全部可用。
为了弥补这一不足，研究人员创建了一个深度学习模型，可以根据常规胸片估计 10 年主要不良心血管事件的风险。 在本周的 北美放射学会 2022，北美放射学会年会，主要作者 雅各布魏斯 介绍了团队的工作。
“我们的深度学习模型为使用现有的胸部 X 光图像进行基于人群的心血管疾病风险机会性筛查提供了一个潜在的解决方案，”Weiss 解释说。 “这种类型的筛查可用于识别将从他汀类药物中受益但目前未接受治疗的个体。”
Weiss 及其同事使用来自 147,497 名参与者的 40,643 次胸部 X 光片开发了他们的 CXR-CVD 风险模型 PLCO癌症筛查试验. 他们使用一个由 11,430 名门诊患者组成的独立小组来测试其性能，这些门诊患者在 Mass General Brigham 进行了常规胸部 X 光检查，并且可能有资格接受他汀类药物治疗。 在 10.3 年的中位随访期间，这些患者中有 9.6% 发生了严重的心脏不良事件，模型预测的风险与观察到的事件之间存在显着关联。
在拥有足够可用数据的 2401 名患者中，该团队还将 CXR-CVD 风险模型的预后价值与确定他汀类药物资格的既定临床标准进行了比较。 在这部分患者中，该模型表现出与临床标准相似的性能。
开源算法通过胸部 CT 扫描预测心脏病发作风险
“这种方法的美妙之处在于你只需要一张 X 光片，它在全世界每天被采集数百万次，”Weiss 说。 “我们早就认识到 X 射线可以捕获传统诊断结果之外的信息，但我们没有使用这些数据，因为我们没有强大、可靠的方法。 人工智能的进步现在使之成为可能。”
Weiss 指出，需要进行额外的研究，包括一项随机对照试验，以验证该模型，该模型最终可以作为医生的决策支持工具。
