基于深度学习的 CT 衍生身体成分可预测心血管事件
根据 ARRS 的美国放射学杂志(AJR),腹部 CT 的全自动和标准化身体成分分析有望增强传统的心血管风险预测模型。
“腹部CT检查的全自动和标准化分析的内脏脂肪面积预测黑人和患者随后的心肌梗塞或中风,独立于传统的体重指标,并且应该被视为风险模型中BMI的辅助,”第一作者Kirti写道Magudia,医学博士,博士,目前来自杜克大学医学院放射学系。
Magudia 博士及其同事的回顾性研究包括在布莱根妇女医院或马萨诸塞州总医院接受常规腹部 CT 的 9,752 名门诊患者(5,519 名女性,4,233 名男性;890 名自我报告的黑人,8,862 名自我报告的;平均年龄,53.2 岁)从 2012 年 1 月至 2012 年 12 月,在检查后 3 个月内无重大心血管或肿瘤诊断。在 L3 椎体水平进行全自动深度学习身体成分分析,以确定三个身体成分区域:骨骼肌区域、内脏脂肪区域和皮下脂肪区域。随后的心肌梗塞或中风是通过电子健康记录确定的。
最终,在年龄、性别和种族标准化后,常规 CT 得出的内脏脂肪面积与心肌梗塞(HR 1.31 [1.03-1.67],总体效应 p=.04)和中风(HR 1.46 [1.07 –2.00],p=.04 总体效果)在黑人和患者的多变量模型中;标准化体重、BMI、骨骼肌面积和皮下脂肪面积没有。
注意到他们的大型研究展示了身体成分分析和年龄、性别和种族特定参考值的管道,以增加临床实践的预后效用,“我们预计使用机器学习的全自动身体成分分析可以被广泛采用利用常规成像研究的潜在价值,”这篇AJR文章的作者总结道。