Die Studie entwickelte ein Deep-Learning-basiertes System (das AI-CAC-Modell) zur Erkennung subklinischer Atherosklerose auf Röntgenaufnahmen der Brust. Dafür wurde ein Datensatz von 460 Patienten mit verfügbaren Röntgenaufnahmen der Brust und Computertomographie (CT) des Brustkorbs verwendet, wobei der Koronarkalziumscore aus der CT-Untersuchung als Referenzstandard diente.
Das AI-CAC-Modell zeigte eine hohe Genauigkeit zur Erkennung subklinischer Atherosklerose auf Röntgenaufnahmen der Brust, mit einer Sensitivität von über 92% in beiden Kohorten. Darüber hinaus sagte das AI-CAC-Modell das 5-Jahres-Risiko für atherosklerotische Herz-Kreislauf-Ereignisse mit hoher negativer Vorhersagekraft vorher.
Die Leistung des AI-CAC-Modells war unabhängig vom klinischen Risikoprofil der Patienten. Unter Patienten mit niedrigem/mittlerem kardiovaskulärem Risiko erkannte das AI-CAC-Modell 84,4% der Patienten mit subklinischer Atherosklerose. Unter Patienten mit hohem/sehr hohem Risiko hatte keiner der Patienten mit AI-CAC=0 ein Ereignis, verglichen mit 18,4% der Patienten mit AI-CAC>0.
Diese Ergebnisse legen nahe, dass das AI-CAC-Modell das Potenzial hat, die kardiovaskuläre Risikostratifizierung zu verfeinern und als opportunistisches Screening-Tool eingesetzt zu werden, was jedoch weitere prospektive Validierung erfordert.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Guglielmo Ga... : arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18756.pdfDaha Derin Sorular