美國研究人員開發(fā)了一種深度學習模型，該模型使用單次胸部X光片就能預測心臟病發(fā)作或中風在10年內(nèi)死亡的風險。在29日召開的北美放射學會（RSNA）年會上公布了相關研究成果。
深度學習是一種高級類型的人工智能，可訓練它來搜索X射線圖像，以找到與疾病相關的模式。研究論文主要作者、馬薩諸塞州心血管影像研究中心醫(yī)學博士雅各布·韋斯說：“我們的深度學習模型為利用現(xiàn)有的胸部X光圖像篩查心血管疾病風險提供了潛在的解決方案。”這種類型的篩查可用于識別那些可以使用他汀類藥物但尚未接受治療的個人。
研究人員使用胸部X光（CXR）圖像輸入訓練了一個深度學習模型，名為“CXR-CVD風險”，利用前列腺癌、肺癌、結直腸癌和卵巢癌篩查試驗中40643名參與者的147497張胸部X光片來預測心血管疾病的死亡風險。前列腺癌、肺癌、結直腸癌和卵巢癌篩查試驗是一項由美國國家癌癥研究所設計和贊助的多中心隨機對照試驗。
研究人員使用第二組11430名門診患者（平均年齡60.1歲；42.9%為男性）對該模型進行了測試，這些患者接受了常規(guī)的門診胸部X光檢查，并有可能接受他汀類藥物治療。其中1096名，即9.6%，在10.3年的中位隨訪期內(nèi)發(fā)生了嚴重的不良心臟事件。CXR-CVD風險深度學習模型預測的風險與觀察到的主要心臟事件之間存在顯著關聯(lián)。
研究人員還將該模型的預后價值與確定他汀類藥物資格的既定臨床標準進行了比較。由于電子記錄中缺少數(shù)據(jù)（例如，血壓、膽固醇），因此只能在2401名患者（21%）中進行計算。對于這部分患者，CXR-CVD風險模型的表現(xiàn)與已建立的臨床標準相似，甚至提供了增量價值。
韋斯博士說，這種方法的好處在于，只需要做一次胸部X光檢查，深度學習模型就可預測未來的主要心血管不良事件，該模型最終可能成為醫(yī)生的決策支持工具。（實習記者張佳欣）
