柳叶刀发表：AI深度学习工具可以预测心肌梗死

Damini Dey

研究人员详细介绍了使用一种人工智能工具对冠状动脉CT血管造影（CCTA）中的动脉粥样硬化斑块进行量化，他们声称这可能使预测一个人是否会有心脏病发作变得更容易。

Andrew Lin、Damini Dey（均为洛杉矶雪松-西奈医学中心）等人近日在《The Lancet Digital Health》杂志上发表的一篇论文中描述了这一工具，它能从CCTA中快速测量斑块体积和狭窄严重程度，与专家和血管内超声（IVUS）一致，并且对未来心肌梗死（MI）有预后价值。

该研究的资深作者Dey表示："冠状动脉斑块经常不被测量，因为没有一种完全自动化的方法来做，当它被测量时，专家至少需要25到30分钟，但现在我们可以用这个程序在五到六秒内从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个地点接受了冠状动脉CTA的1196人的CTA图像。研究人员通过让人工智能算法学习来自921人的冠状动脉CTA图像来训练它测量斑块，这些图像已经由受过训练的医生分析过。

该算法的工作原理是首先在3D图像中勾勒出冠状动脉的轮廓，然后识别冠状动脉内的血液和斑块沉积。调查人员发现该工具的测量结果与冠状动脉CTA中的斑块数量相符。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，IVUS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1611名参加多中心试验（SCOT-HEART试验）的人在五年内的心脏病发作风险。

Lin, Dey等人在他们的论文中指出，在整个测试集中，深度学习和专家对总斑块体积（类内相关系数[ICC]0.964）和直径狭窄百分比（ICC 0.879；均为P<0.0001）的测量分别有极好或良好的一致性。此外，与IVUS相比，深度学习的总斑块体积（ICC 0-949）和最小管腔面积（ICC 0.904）的一致性非常好。每位患者的平均深度学习斑块分析时间为5.65秒（SD 1.87），而专家需要25.66分钟（6.79）。在4.7年（IQR 4-5.7）的中位随访期间，SCOT-HEART试验的1611名患者中有41人（2.5%）发生了MI。在调整了基于深度学习的阻塞性狭窄（HR 2.49，1.07-5.50；p=0.0089）和ASSIGN临床风险评分（HR 1.01，0.99-1.04；p=0.35）之后，基于深度学习的总斑块体积为238.5 mm3或更高与MI的风险增加有关（危险比[HR]5.36，95% CI 1.70-16.86；p=0.0042）。

Dey表示："还需要更多的研究，但有可能根据这种标准测试所成像的斑块的数量和组成来预测一个人是否和多长时间内可能会发生心脏病发作。“

作者在详述该研究的一些局限性时指出，并非所有地点都有关于病人种族或族裔的数据；然而，他们补充说，训练数据集来自不同的、地理上不同的人群。研究小组提供的另一个限制是，尽管他们显示了深度学习在几个不同的CT供应商和扫描参数中的强大性能，但他们排除了图像质量差、被专家读者认为无法解释的CCTA研究。尽管有这些局限性，我们的研究代表了使用有创参考标准对CCTA的动脉粥样硬化定量的深度学习方法的首次验证，也是基于深度学习的斑块测量对心脏事件风险的预测价值的首次展示。

Dey及其同事正在继续研究他们的人工智能算法对接受冠状动脉CTA的患者的斑块沉积进行量化的效果如何。

译者简介

尹安远

蓝帆医疗

尹安远，复旦大学物理化学博士，蓝帆医疗上海创新研发中心研发总监，CCI宣传企划部执委。美国项目管理协会PMI认证项目管理专业人士，精益六西格玛黑带。

CCI心血管医生创新俱乐部

长按二维码关注我们

本期策划：沈雳

责任编辑：陈宝麟

本文作者：尹安远

后期制作：汪蕊

打赏