人工智能可以提高预测心脏性猝死的常见的心脏病患者

医学图像包含丰富的信息超出了肉眼可见的。现在,科学家们正在使用radiomics,一个相对较新的形式的人工智能,使用定量的医学成像方法,提取医学图像捕捉更多的数据,可以用来更好的理解疾病和预测病人的结果。

在一项新的研究中,physician-researchers在贝斯以色列女执事医疗中心(BIDMC)和Lahey医院和医疗中心(LHMC)调查是否radiomic数据提取核磁共振成像的一种常见的心脏病患者可能有助于预测无节奏的事件,在这些病人可能猝死。

在一项研究中超过1200名患者在三个国际医疗中心,科学家们决定,包括radiomic特性风险模型改进的预测和识别未知的特性的一个重要标志心脏性猝死。团队的研究结果发表在《JACC:心血管成像。

大约500人或150万人在美国,有肥厚性心肌病(HCM)的遗传心脏病心肌会变得异常肥厚,心脏泵氧合血更难有效地身体。虽然有时候没有症状,HCM可以导致呼吸急促,心律失常和突然心脏死亡。病人诊断为条件通常是监测心脏瘢痕组织的存在突然心脏死亡的主要危险因素磁共振成像(MRI)。

“心源性猝死是一种破坏性的并发症肥厚性心肌病,我们需要更好的算法来识别这些高危发展中致命的心律失常,“说通讯作者Reza Nezafat博士先生心脏中心主任BIDMC和哈佛大学医学院的医学教授。可以实现“有效预防心源性猝死,但低歧视的力量建立临床危险因素限制了这些努力。我们调查的预后价值将疤痕的radiomic特性集成到现有的危险分层模型。”

团队,包括作者艾哈迈德·s·法米博士BIDMC,心脏成像数据分析从1229年HCM患者在接受治疗学术医学中心在波士顿,多伦多和佛罗伦萨在2003和2018之间。每个病人经历心源性猝死的风险计算5年的期限内使用两个建立风险评分模型依赖于临床和影像变量,包括年龄和心脏性猝死家族史,心墙的厚度以及疤痕组织的负担。

接下来,研究人员使用病人的核磁共振成像来创建伤痕累累组织地图,提取一组全面的radiomic特性包括930形状参数和结构特性,导致1888 radiomic功能代表每个病人的疤痕组织的形状和纹理映射。从这些数据中,这个团队开发的新数学模型预测心脏性猝死的概率。

当科学家们观察病人的结果,他们看到30个病人(或2.4%)经历了心脏性猝死事件在6.5年的随访时间。集成radiomic特性与临床风险评估得分显著提高风险预测,与一个模型准确萎靡不振的19岁的病人经历了高危心脏性猝死事件。

此外,与重要的预后价值分析显示一个radiomic特性预测心源性猝死的风险疤痕组织图的纹理特征。虽然还需要进一步调查,发现展示了radiomics可能帮助揭示新的生物标志物,可能是有用的监测HCM患者和其他条件很少有临床症状和体征。

“先进的成像技术和图像分析工具允许小说特征的调查预测HCM患者心脏性猝死的风险,”马丁·马伦说,医学博士,在LHMC肥厚性心肌病中心的主任。“我们的概念验证研究表明radiomics分析可以添加增量预后价值目前建立风险预测模型,可能拯救生命。”