自动人工智能算法使用常规成像来预测心血管风险

冠状动脉钙化 - 心脏动脉壁上钙化斑块的积累 - 是心脏病发作等不良心血管事件的重要预测因子。通过计算机断层扫描（CT）扫描可以检测冠状动脉钙，但量化斑块的量需要放射专业知识，时间和专业设备。在实践中，即使胸部CT扫描相当常见，钙得分也不是。来自Brigham和女性医院的调查人员在医学（AIM）方案和Massachusetts总医院的心血管成像研究中心（CIRC）组织开发和评估了可能有助于改变这一点的深度学习系统。该系统自动测量CT扫描的冠状动脉钙，以帮助医生和患者对心血管预防做出更明智的决定。该团队使用来自20,000多人的数据验证了该系统，具有有前途的结果。他们的调查结果发表在自然通讯。

“冠状动脉钙信息可以用于几乎所有患者胸部CT扫描,但它不是量化的,因为它需要太多的时间为每一个病人,“Aerts说通讯作者雨果博士,主任人工智能在医学(AIM)计划在布里格姆和哈佛医学院。“我们开发了一种算法，可以自动识别高危人群。”

该研究的第一作者Roman Zeleznik是AIM的数据科学家，他和同事们一起开发了论文中描述的深度学习系统，通过对冠状动脉钙化评分来自动准确地预测心血管事件。虽然该工具目前仅用于研究目的，但Zeleznik和其他作者已经将其开放源代码，任何人都可以免费使用。

Zeleznik说:“理论上，深度学习系统做了很多人类会做的量化钙的工作。”“我们的论文表明，以自动化的方式实现这一点是可能的。”

该团队首先用弗雷明汉心脏研究(FHS)的数据来训练深度学习系统，这是一项长期无症状社区队列研究。弗雷明汉的参与者接受了专门的钙评分CT扫描，这些扫描由人类专家手动评分，并用于训练深度学习系统。深度学习系统随后被应用于另外三个研究队列，包括重度吸烟者进行肺癌CT筛查(NLST:国家肺部筛查试验)，稳定胸痛患者进行心脏CT检查(PROMISE:评估胸痛的前瞻性多中心成像研究)，以及进行心脏CT检查的急性胸痛患者(ROMICAT-II:使用计算机辅助断层扫描排除心肌梗死试验)。总的来说，该团队在超过2万人中验证了深度学习系统。

CIRC@MGH Udo霍夫曼,医学博士,主任的首席研究员在FHS CT成像,承诺和ROMICAT,强调,这项研究的一个独特的方面是包含三个国家心脏、肺、血液机构资助的高质量图像和试验结果加强这些结果的普遍性临床的设置。

来自深度学习系统的自动钙评分与来自人类专家的手动钙评分高度相关。自动评分还能独立预测哪些人会继续出现严重的不良心血管事件，如心脏病发作。

冠状动脉钙评分在当前指南中对于谁应该服用他汀类药物预防心脏病发作起着重要作用。“这对我们来说是一个利用人工智能从这些胸部ct中获得额外价值的机会，”合著者Michael Lu说，他是医学博士，公共卫生硕士，主任人工智能在MGH的心血管成像研究中心。“冠状动脉钙评分可以帮助患者和医生做出知情的、个性化的决定，是否服用他汀类药物。从临床角度来看，我们的长期目标是在电子健康记录中实施这种深度学习系统，以自动识别高危患者。”

---

---