AI模型排除了阻塞性CAD的存在


小编发现不少朋友对于AI模型排除了阻塞性CAD的存在这方面的信息都比较感兴趣,小编就针对AI模型排除了阻塞性CAD的存在整理了一些相关方面的信息 在这里分享给大家 。
根据《学术放射学》(Academic Radiology)发表的一项新研究,一旦患者接受冠状动脉钙评分(CACS),机器学习可以帮助医师排除阻塞性冠状动脉疾病(CAD)的存在 。这可以帮助限制不必要的影像检查吗?
【AI模型排除了阻塞性CAD的存在】作者解释说,CACS是一种“低剂量,可靠的技术”,用于估计患者的动脉粥样硬化冠状动脉斑块负担,并且冠状动脉钙(CAC)与多种心血管事件相关 。研究人员旨在使用AI来查看将CAC ,主动脉根钙化(ARC)和胸主动脉钙化(TAC)估算结合起来是否有助于揭示与CAD相关的数据 。
该小组基于机器学习的算法是根据2017年9月至2018年7月接受临床指示的CACS测试的435名患者的数据构建的 。该队列中有77%是女性,平均年龄为61岁,并且所有患者都有“中低的CAD可能性 。” 然后,对2018年9月至2018年10月接受CACS测试的126位连续患者的数据进行了梯度增强机(GBM)模型的测试 。
总体而言,在评估126名患者的队列时,AI模型的结果包括73个真阴性,0个假阴性,20个真阳性和33个假阳性 。这意味着可以完全避免73次冠状动脉CT血管造影(CCTA)检查(与放射线暴露和造影剂引起的肾衰竭的风险相关) 。
“提出的方法的应用可以显着减少转诊至CCTA的患者人数(减少约70%),从而限制了患者暴露于此类测试的副作用,并可以降低医疗服务提供者的诊断成本, ”主要作者,西班牙巴塞罗那庞培法布拉大学的Jordina Torrents-Barrena博士及其同事写道 。
作者的确注意到他们的研究有一定的局限性 。例如,这是一项单中心研究,研究人群“相对健康”,对照组中只有16%的患者观察到阻塞性CAD 。

    推荐阅读