人工智能做“医生”，深度学习方法可以进行心血管疾病风险预测
心血管疾病是最常见的可预防的死亡原因，在欧洲和美国的死亡率中分别占死亡率的45％和31％。可以提供有效的生活方式和药理预防，但是确定最受益的人群仍是一项持续的挑战。传统的危险因素，例如年龄和性别，在个人中预测心血管疾病的准确性有限。因此，需要进一步努力以个体为基础进一步改善心血管疾病风险的预测和分层。
对患者的CT扫描，深度学习系统的心脏（蓝色轮廓）和冠状动脉钙（橙色轮廓）
人工智能的最新进展，尤其是深度学习，已经显示出其在多种医学应用中的可行性，例如医学诊断和成像，风险管理或虚拟助手。特别是在医学成像中，由于深度学习可以成功地用于识别和分割3维（3D）图像空间中的对象，因此具有很大的潜力。一个主要的优点是，深度学习可以使以前只能由放射科医生完成的复杂评估自动化，但是现在可以以更高的速度和更低的成本进行大规模的评估。这使深度学习成为一种有前途的技术，可以根据影像自动预测心血管事件。但是，在考虑引入临床之前，需要证明这些系统的通用性，因为它们需要能够在多种临床情况下预测无症状和有症状个体的心血管事件，并能可靠地处理来自多个机构的数据。
深度学习的结果分析可预测钙分数。
在这里，我们介绍了一种深度学习系统，该系统可以通过量化冠状动脉钙离子的存在和程度来自动，准确地预测心血管事件。在来自四个公认的前瞻性队列和随机对照试验中的20,084个人中对该系统进行了评估-来自弗雷明汉心脏研究（FHS）的健康无症状社区住宅样本，国家肺部筛查试验（NLST）中年龄较大的无症状重度吸烟者。
混淆矩阵可比较自动和手动CAC定量，并评估重测重复性。
在前瞻性多中心影像学评估胸痛（PROMISE）中在门诊评估有症状的稳定胸痛人群，以评估可疑冠状动脉疾病；在排除心肌的急诊科中，有症状的急性胸痛人群使用计算机辅助断层扫描（ROMICAT-II）的梗死试验。总体而言，该算法的预测与不良心血管事件之间的关联性已通过使用各种CT扫描协议（包括ECG门控和非门控CT扫描）使用不同的CT扫描仪成像的个体进行了测试。在所有四个队列中的5521名受试者中评估了与专业人类读者的金标准相比的准确性。我们的结果表明，深度学习方法可以根据在几种临床情况下获得的医学图像自动进行心血管疾病风险预测。这些观察结果为在筛查和医院环境中实施该技术提供了理论依据，从而以高速度和低成本改善了人口健康。
关注风火轮，技术之路常相伴，我们下期见！
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20210204A06PTM00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
