深度学习网络预测不良心脏

根据核医学和分子成像学会 2021 年年会上的最新研究以及发表在《核医学杂志》上的相应研究，深度学习网络可以预测不良心脏事件，包括心脏病发作和死亡。

超过 20,000 名患者被纳入研究，分为训练、验证和测试队列。深度学习网络能够使用单光子发射断层扫描 (SPECT) 心肌灌注成像 (MPI) 预测主要不良心脏事件 (MACE)。

具体来说，研究人员使用了来自最大 SPECT 数据集的数据，称为快速心肌灌注成像注册与下一代 SPECT (REFINE SPECT)。

研究人员还开发了一种识别极坐标图图像区域的机制，以便医生可以轻松地直观地解释患者的风险水平。深度学习网络给每位患者打分，量化他们发生重大不良心脏事件的可能性。患者的平均随访时间为 4.7 年。

Cedars-Sinai Medical 的 Slomka 实验室的研究软件工程师 Ananya Singh 解释说：“这些发现表明，人工智能可以纳入标准临床工作站，以帮助医生对接受 SPECT MPI 扫描的患者进行准确、快速的风险评估。”位于加利福尼亚州洛杉矶的中心，在一份新闻稿中。

“这项工作标志着将人工智能技术纳入标准成像协议以帮助读者进行风险分层的潜在优势。”

该研究称，深度学习网络“是使用原始灌注的极坐标图图像输入和运动、增厚、相角和振幅与年龄、性别、收缩末期和舒张末期容积相结合的门控派生图开发的”。

极坐标图成像使网络能够突出显示与 MACE 风险相关的心脏特定区域，并且可以在不到一秒的时间内提供分数。得分最高四分位数的患者每年的 MACE 发生率为 9.7%，相对于得分最低的患者增加了 10.2 倍。

“与灌注的自动定量相比，使用深度学习网络可以直接从极坐标图图像预测 MACE，准确度更高，”该研究指出，这表明深度学习网络能够产生比当前方法更好的结果。

最近的一项研究表明，使用深度学习，放射科医生可以通过 CT 扫描评估和确定肺癌的类型，进而开发精准医学治疗。还利用与基因组数据一起深度学习，研究人员发现这验血可能有助于预测阿尔茨海默氏症患者的风险。深度学习算法揭示了阿尔茨海默氏症患者与健康患者相比的 152 种遗传变异。

深度学习是一种人工智能形式，近年来在医疗保健领域显示出前景。从预测到诊断和预防，深度学习网络的速度和准确性具有多种临床应用。