AI预测心肌梗死和心脏死亡的长期风险,准

fromCardiovascularResearch

byOxfordUniversityPress

"我们的研究表明，整合了临床风险因素和图像的机器学习能够准确地将患者发生心脏病发作或心脏死亡等不良事件的风险个性化。但是机器学习有时被认为是黑盒子，我们也在尝试着揭开它们的神秘面纱。在这个研究中，我们以两个病人的个性化预测为例，应用这种个性化的方法进行了预测，可以帮助医生更好的指导对患者的建议，减少他们发生不良心脏事件的风险。"---研究作者

一项新的心血管研究发现，整合了临床冠状动脉钙化评分和基于图像的心外膜脂肪组织（epicardialadiposetissue，EAT）自动定量指标的机器学习可以预测心肌梗死和心脏死亡的长期风险，而且与心脏病专家使用标准的临床风险评估相比，预测准确度更高。

研究发表在12月19日的《心血管研究》杂志上。该研究的受试者为前瞻性随机研究试验中的部分人群，他们做过心脏CT扫描，进行过冠状动脉钙化（coronaryarterycalcium，CAC）评分，并长期接受随访，均为无症状的中年人，存在心血管风险因素，但是没有已知的冠状动脉疾病。研究人员用全自动的深度学习方法对心外膜脂肪组织（epicardialadiposetissue，EAT）的体积和厚度进行了定量。接着用临床协变量、血脂指标，风险因子，CAC评分，主动脉钙和自动定量的EAT体积和厚度指标对机器学习极端梯度增强算法进行了训练。并使用重复的10倍交叉验证对算法进行了验证。该研究共纳入名受试者，随访时间15年，在随访期间，76名受试者出现心肌梗死和/或心脏死亡事件。机器预测的受试者分数与随访期间观测到的事件分布精确一致。动脉粥样硬化性心血管疾病风险评分是心脏病学家使用的标准临床风险评估，它过高评估了高危事件的风险，但是机器学习不会。在未经调整的分析中，较高的预测机器学习风险与较高的心脏事件风险显著相关。

此外，研究还发现，年龄、ASCVD风险及CAC对男女的预后都很重要，收缩压在女性中比胆固醇更重要，而在男性中则相反。

参考文献：FredericCommandeuretal,Machinelearningtopredictthelong-termriskofmyocardialinfarctionandcardiacdeathbasedonclinicalrisk,coronarycalcium,andepicardialadiposetissue:aprospectivestudy,CardiovascularResearch().编辑：晨晨图片来源：pixabay　　　　　　　　　　　　　　　　文章已于修改

转载请注明：http://www.shhongrui.net/xjgyf/5982.html