Radiology:腹部CT可以预测10年内发生不良临床事件的几率?快来看看吧!

2023-01-21 shaosai MedSci原创 发表于江苏省

随着技术的发展,基于人工智能(AI)的全自动工具可以用来得出这些基于CT的标志物。

腹部CT检查是普通和腹部亚专科放射学实践的主要内容,具有丰富的身体成分数据,其中大部分在常规临床实践中没有使用。肌肉(如肌肉衰减)、腹部脂肪(如内脏与皮下脂肪组织比率[VSR])和动脉粥样硬化(如腹部主动脉钙)的身体成分测量对一般健康的无症状患者群体和疾病患者群体的死亡风险和不良临床预后(如未来不良血管事件和脆性骨折)具有特殊的预后价值。

随着技术的发展基于人工智能(AI)的全自动工具可以用来得出这些基于CT的标志物。以前的研究已经验证了基于CT的全自动工具小组在量化身体成分措施方面的表现,并证实这些工具与临床工具相比更胜一筹,甚至超过了预测心脏代谢风险的弗雷明汉风险评分和体重指数以及预测骨质疏松性脆弱骨折风险的骨折风险评估工具和体重指数。

除了基于人群的预测,基于CT的人工智能身体成分工具测量肌肉衰减、腹部脂肪和腹部主动脉钙化指标的提出,为更个性化的心脏代谢机会性筛查、风险分层和不良临床结果的预测提供了一个重要的机会。然而,文献中缺乏以病人为中心的研究,即与不良临床预后相关的特定身体成分阈值或身体成分的性别差异。

近日,发表在Radiology杂志的一项研究提出了总队列和特定性别的肌肉、腹部脂肪和腹部主动脉钙的 "最佳 "和高特异性CT阈值,以实现包括死亡、不良心血管事件和脆性骨折等不良临床预后的预测。

项回顾性研究中用于量化骨骼肌(L3级)、腹部脂肪(L3级)和腹部主动脉钙的全自动算法应用于2004年至2016年筛查的无症状成年人的平扫腹部CT扫描图像。纵向随访记录了随后的死亡、不良心血管事件(心肌梗死、脑血管事件和心力衰竭)和脆性骨折。进行接收操作特征(ROC)曲线分析,得出身体成分测量的阈值,以达到最佳ROC曲线性能和10年风险的高特异性(90%)。

共评估了9223名无症状的成年人(平均年龄57岁±7[SD];5152名女性和4071名男性)(中位随访,9年)。肌肉衰减和主动脉钙对预测死亡具有最高的诊断性能,男性的ROC曲线下面积为0.76(95%CI:0.72,0.79),女性的肌肉衰减为0.72(95%CI:0.69,0.76)。男性的性别特异性阈值高于女性(所有结果的肌肉衰减的P < .001)。表现最好的死亡风险指标是男性的肌肉衰减(31 HU;71%的敏感性[232名患者中的164名];72%的特异性[1543名患者中的1114名])和女性的主动脉钙(Agatston评分,167;70%的敏感性[218名患者中的152名];70%特异性[2034名患者中的1427名])。肌肉衰减对死亡风险和脆性骨折的90%特异性阈值为23 HU(男性)和13 HU(女性)。对于主动脉钙和死亡及不良心血管事件的风险,90%特异性Agatston评分阈值为1475(男性)和735(女性)。
 一位82岁的老人在2009年接受了结肠癌筛查的CT结肠造影,1年后去世,图像显示了其身体成分值。(A) L3水平的轴向CT图像。(B)L3水平的轴向CT图像显示内脏脂肪组织(金色)、皮下脂肪组织(蓝色)和肌肉(红色)的分割。(C) 冠状位最大强度投影CT图像显示主动脉钙的量化(黄色)。患者身体成分值。L3肌肉衰减=21HU,主动脉钙Agatston评分=6586,L3内脏与皮下脂肪组织比率=1.25

本项研究表明,基于腹部CT自动身体成分测量的特定性别阈值可用于预测死亡、不良心血管事件和脆性骨折的发生风险。

原文出处:

Matthew H Lee,Ryan Zea,John W Garrett,et al.Abdominal CT Body Composition Thresholds Using Automated AI Tools for Predicting 10-year Adverse Outcomes.DOI:10.1148/radiol.220574

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

Rheumatology:骨关节炎中的人工智能,膝关节牵张修复显示疼痛、放射学和免疫结果的相关性

膝关节牵张(KJD)与临床和结构改善以及滑液(SF)标志物改变相关。本研究旨在使用基于人工智能的自动测量方法分析KJD后的X线变化,并将这些变化与临床结果和SF标记物联系起来。

Radiology:人工智能在预测胰腺癌CT淋巴结转移方面的价值

最近,人们对应用深度学习进行癌症成像数据的LN转移预测越来越感兴趣。

无需烦恼试管婴儿选择哪个胚胎移植,可交给人工智能来打分!

辅助孵化能够改善自发塌陷囊胚的着床潜能[6],或许未来能够在AI评分的基础上“挽救”这些发生了自发塌陷的“差生”。

无需烦恼试管婴儿选择哪个胚胎移植,可交给人工智能来打分!

相信随着胚胎发育过程中的奥秘被一点一点揭开,人工智能辅助下的无创胚胎评级会变得越来越可靠,尽管依然无法取代有创的PGT,但凭借着其对医疗设备资源较低的依赖性,能够更好地推广到各地的生殖中心,甚至通过远

综述丨肺亚实性结节的个性化管理研究进展

肺亚实性结节的个性化管理研究进展

European Radiology:全自动评分软件对不同层厚低剂量胸部CT Agatston钙化评分的评价

最近,使用非心电图门控的低剂量胸部CT(LDCT)成功的进行了冠状动脉钙化的评估,且与CSCT有很好的相关性。