周三，2022年10月5日(健康日新闻)——根据9月14日在线发表在《JACC:心血管影像学》上的一项研究，深度学习(DL)正电子发射断层扫描(PET)计算机断层扫描(CT)衰减校正(CTAC)扫描评分可能预测心血管风险，类似于标准冠状动脉钙(CAC)评分。

来自洛杉矶Cedars-Sinai医学中心的Konrad Pieszko医学博士和他的同事采用了一种新的DL模型，该模型是为视频应用开发的，可以从PET CTAC扫描中快速量化CAC。该模型使用9543次CT扫描进行训练，并从4331例有重大心脏不良事件(mace)的接受PET/CT成像的外部队列中进行测试。MACE风险分层分为4个CAC评分类别。

研究人员发现，每次扫描自动DL评分所需时间不到6秒。在不同CAC评分类别的DL CTAC评分中，MACE风险逐步增加。标准CAC评分比DL CTAC评分的净重分类改善不显著。与标准CAC评分和DL CTAC CAC评分相似的MACE为零CAC的阴性预测值(85%对83%)。

作者写道:“常规CAC评分与CTAC扫描的结合可以改善诊断、风险分层和疾病管理，并可能影响生活方式建议。”

Cedars-Sinai公司正在申请使用卷积长短期记忆进行多层医学图像分割的专利;两位作者披露了与医疗器械行业的财务关系。

摘要/全文(可能需要订阅或付费)