自動化AI算法

布萊根婦女醫(yī)院的醫(yī)學人工智能(AIM)計劃和馬薩諸塞州總醫(yī)院的心血管影像研究中心(CIRC)的研究人員聯(lián)手開發(fā)和評估了可以幫助改變這一狀況的深度學習系統(tǒng)。該系統(tǒng)通過CT掃描自動測量冠狀動脈鈣，以幫助醫(yī)生和患者就心血管預防做出更明智的決定。該團隊使用來自20,000多個個人的數(shù)據(jù)驗證了該系統(tǒng)，并取得了可喜的結(jié)果。他們的發(fā)現(xiàn)發(fā)表在自然交流。 冠狀動脈鈣化-心臟動脈壁上鈣化斑塊的積聚-是不良心血管事件如心臟病發(fā)作的重要預測指標。可以通過計算機斷層掃描(CT)掃描來檢測冠狀動脈鈣，但是要量化斑塊的數(shù)量需要放射學專業(yè)知識，時間和專門的設(shè)備。在實踐中，盡管胸部CT掃描相當普遍，但鈣質(zhì)分數(shù)CT卻并非如此。

AIM的數(shù)據(jù)科學家MSc的主要作者Roman Zeleznik與同事合作，開發(fā)了本文所述的深度學習系統(tǒng)，該系統(tǒng)可通過對冠狀動脈鈣質(zhì)進行評分來自動準確地預測心血管事件。雖然該工具目前僅用于研究目的，但Zeleznik及其合作者已將其開源并免費提供給任何人使用。

Zeleznik說：“從理論上講，深度學習系統(tǒng)可以做很多人類量化鈣的工作。”“我們的論文表明，有可能以自動化方式做到這一點。”

相應(yīng)的作者Hugo Aerts博士說：“幾乎每位接受胸部CT掃描的患者都可以獲得冠狀動脈鈣信息，但之所以無法量化，是因為每位患者花費太多的時間。”布里格姆和哈佛醫(yī)學院的醫(yī)學人工智能(AIM)計劃。“我們開發(fā)了一種算法，可以自動識別高風險個體。”

CIRC @ MGH的主任Udo Hoffmann，醫(yī)學博士，他是FHS，PROMISE和ROMICAT中CT成像的主要研究人員，他強調(diào)說，這項研究的*之處之一是包括了三個國家心臟，肺和血液研究所，資助了高質(zhì)量的圖像和結(jié)果試驗，以增強這些結(jié)果在環(huán)境中的可推廣性。

該團隊首先根據(jù)弗雷明漢心臟研究(FHS)的數(shù)據(jù)對深度學習系統(tǒng)進行了培訓，該研究是一項的無癥狀社區(qū)隊列研究。Framingham的參與者接受了專門的鈣評分CT掃描，這些掃描由專業(yè)的人類讀者手動評分，并用于訓練深度學習系統(tǒng)。然后將深度學習系統(tǒng)應(yīng)用于另外三個研究隊列，其中包括患有肺癌篩查CT的重度吸煙者(NLST：國家肺部篩查試驗)，患有穩(wěn)定胸痛的患者進行心臟CT篩查(PROMISE：評估多發(fā)性前瞻性多中心成像研究)胸痛)，以及患有心臟CT的急性胸痛患者(ROMICAT-II：使用計算機輔助斷層掃描試驗排除心肌梗塞)。總而言之，該團隊驗證了20,000多人的深度學習系統(tǒng)。