導讀 伊利諾伊州奧克布魯克市-根據(jù)《放射學:心胸影像學》上發(fā)表的一項研究,使用針對肺癌篩查的低劑量CT檢查信息,深度學習算法可以準確預測心
伊利諾伊州奧克布魯克市-根據(jù)《放射學:心胸影像學》上發(fā)表的一項研究,使用針對肺癌篩查的低劑量CT檢查信息,深度學習算法可以準確預測心血管疾病死亡的風險。
心血管疾病是全球死亡的主要原因。它甚至超過了肺癌,成為導致大量吸煙者死亡的主要原因。
低劑量CT肺部掃描用于篩查高風險人群(例如吸煙者)中的肺癌。這些CT掃描還提供了通過提取有關心臟和主動脈鈣化的信息來篩查心血管疾病的機會。這些區(qū)域中鈣的存在與斑塊的形成有關,并且是心血管疾病死亡率,心臟病和中風的有力預測指標。
以前的研究使用了從CT圖像中提取的信息以及其他危險因素(例如膽固醇水平和血壓)以及自我報告的臨床數(shù)據(jù)(例如病史)。
對于這項新研究,研究人員測試了一種更快,自動化的方法,該方法可以預測五年的心血管疾病死亡率,而僅需很少的額外工作量。該方法利用深度學習的力量,深度學習是一種先進的人工智能,其中計算機算法本質(zhì)上是從圖像中學習死亡率預測的重要特征。
利用來自全國肺部篩查試驗中為期兩年的接受低劑量CT的4,451名中位年齡為61歲的參與者的數(shù)據(jù),研究人員對方法進行了培訓,以量化六種類型的血管鈣化。然后,他們對來自1,113名參與者的數(shù)據(jù)測試了該方法。
使用鈣評分的預測模型優(yōu)于僅使用自我報告的參與者特征(例如年齡,吸煙史和疾病史)的基線模型。
標簽: 肺癌
免責聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!