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?

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。