自动CT生物标记物对心血管事件的预测比目前的实践更好

美国国立卫生研究院(National Institutes of Health)和威斯康星大学(University of Wisconsin)的研究人员已经证明，使用人工智能分析CT扫描可以对主要心血管事件产生比目前的标准方法(如弗雷明汉风险评分(FRS)和体重指数(BMI))更准确的风险评估。

每年在美国每年进行超过8000万的身体CT扫描，但通常忽略了关于身体组成的宝贵预后信息。在这项研究中，例如，腹部扫描为常规结肠直肠癌筛查进行了揭示重要的信息关于心脏相关的风险 - 当AI用于分析图像时。

该研究比较了从图像处理算法中提取的自动基于ct的身体组成生物标志物与常规临床参数预测主要心血管事件和总体生存率的能力。研究人员发现，在预测下游不良事件(包括死亡或心肌梗死、脑血管意外或充血性心力衰竭)方面，基于ct的测量比FRS和BMI更准确。研究结果发表在柳叶刀数字健康．

美国国立卫生研究院临床中心的医学博士、该研究的资深作者Ronald M. Summers说:“我们发现，自动测量比现有的临床生物标志物提供了更准确的风险评估。”“这表明了一种方法的潜力，即使用人工智能来挖掘嵌入在所有此类扫描中的生物特征数据，并为各种其他适应症提供信息，从而帮助人们更好地了解自己的总体健康状况和严重不良事件的风险。”

该研究使用五种人工智能计算机程序对腹部CT扫描精确测量肝脏体积和脂肪变化、内脏脂肪体积、骨骼肌体积、脊柱骨密度和动脉狭窄。研究人员发现,不仅自动化CT-based生物标记的组合比较有利的FRS和BMI预测心血管事件和死亡之前任何症状出现但事实上,主动脉瓣钙化的CT测量,形成钙沉积的主动脉瓣,在主要心血管事件和总生存率方面，单独使用FRS显著优于FRS。

研究人员还观察到，BMI是心血管事件的差的预测因子和整体生存，所有五种基于CT的措施明显优于不良事件预测的BMI。

“这种机会使用额外的CT基生物标志物为医生已经做了客观价值，”威斯康星大学医学与公共卫生学院，领导和公共卫生学院，领先和同议作者的佩里J.Cothhardt。“这种自动化过程不需要额外的时间，努力或辐射暴露于患者，但这些预后措施可以通过升高的心血管或其他健康风险的假设检测到患者健康。”

该研究建立了设计AI算法的现有努力，夏季博士在NIH临床中心的放射学和成像科学部门进行的实验室和他以前与Pickhardt博士的合作开发，列车，测试和验证全自动算法进行测量使用腹部CT的身体成分。研究人员计划在其他研究中测试方法，包括更多种族多样化的人群。

---

---