Cedars-Sinai 的研究人员创建了一种人工智能工具，可以更容易地预测一个人是否会心脏病发作。

The Lancet Digital Health中描述的该工具根据向心脏供血的动脉中斑块的数量和组成，准确预测了五年内哪些患者会发生心脏病发作。

斑块堆积会导致动脉变窄，使血液难以到达心脏，增加心脏病发作的可能性。一种称为冠状动脉计算机断层扫描血管造影 (CTA) 的医学测试会拍摄心脏和动脉的 3D 图像，并且可以让医生估计患者的动脉狭窄程度。然而，到目前为止，还没有一种简单、自动化和快速的方法来测量 CTA 图像中可见的斑块。

Cedars-Sinai 生物医学成像研究所定量图像分析实验室主任、该研究的资深作者 Damini Dey 博士说：“冠状动脉斑块通常不被测量，因为没有一种完全自动化的方法。”“测量时，专家至少需要 25 到 30 分钟，但现在我们可以使用这个程序在 5 到 6 秒内从 CTA 图像中量化斑块。”

Dey 及其同事分析了在澳大利亚、德国、日本、苏格兰和美国的 11 个地点接受冠状动脉 CTA 的 1,196 人的 CTA 图像。研究人员训练 AI 算法测量斑块，方法是让它从 921 人的冠状动脉 CTA 图像中学习，这些图像已经由训练有素的医生进行了分析。

该算法首先在 3D 图像中勾勒出冠状动脉，然后识别冠状动脉内的血液和斑块沉积物。研究人员发现该工具的测量值与冠状动脉 CTA 中的斑块数量相对应。他们还将结果与两种被认为在评估冠状动脉斑块和狭窄方面高度准确的侵入性测试所拍摄的图像相匹配：血管内超声和基于导管的冠状动脉造影。

最后，研究人员发现，人工智能算法根据 CTA 图像进行的测量准确地预测了 1,611 人在五年内的心脏病发作风险，这些人参与了一项名为 SCOT-HEART 试验的多中心试验。

“需要进行更多的研究，但我们有可能能够根据使用该标准测试成像的斑块的数量和组成来预测一个人是否以及多长时间可能会心脏病发作，”Dey 说，他也是Cedars-Sinai 生物医学科学教授。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：