Specjalizacje, Kategorie, Działy
123RF

Dzięki badaniu CT można ocenić ryzyko zawału lub udaru

Udostępnij:
Na podstawie analizy obrazów z typowego badania metodą tomografii komputerowej sztuczna inteligencja może ocenić ryzyko sercowo-naczyniowe, czyli prawdopodobieństwo wystąpienia na przykład zawału serca lub udaru – informuje „American Journal of Roentgenology”.
Według amerykańskich autorów w pełni zautomatyzowana i znormalizowana analiza składu ciała w tomografii komputerowej jamy brzusznej może przyczynić się do ulepszenia tradycyjnych modeli przewidywania ryzyka sercowo-naczyniowego.

– Obszar trzewnej tkanki tłuszczowej przy w pełni zautomatyzowanej i znormalizowanej analizie badań TK jamy brzusznej pozwala przewidzieć późniejszy zawał mięśnia sercowego lub udar mózgu niezależnie od tradycyjnych mierników masy ciała i powinien być traktowany jako dodatek do BMI w modelach ryzyka – napisała pierwsza autorka, dr Kirti Magudia z Wydziału Radiologii w Duke University School of Medicine.

W retrospektywnym badaniu przeprowadzonym przez dr Magudię i współpracowników wzięło udział 9752 pacjentów ambulatoryjnych (5519 kobiet, 4233 mężczyzn; 890 osób rasy czarnej, 8862 rasy białej; średni wiek 53,2 roku), którzy przeszli rutynową tomografię komputerową jamy brzusznej w Brigham and Women's Hospital lub Massachusetts General Hospital od stycznia do grudnia 2012 roku, bez poważnej diagnozy sercowo-naczyniowej lub onkologicznej w ciągu trzech miesięcy od badania.

Metodą głębokiego uczenia maszynowego przeprowadzono w pełni zautomatyzowaną analizę składu ciała na poziomie kręgów lędźwiowych (L3), aby określić proporcje trzech rodzajów tkanki: mięśni szkieletowych, trzewnej tkanki tłuszczowej i podskórnej tkanki tłuszczowej. Kolejny zawał mięśnia sercowego lub udar mózgu został ustalony na podstawie elektronicznej dokumentacji medycznej.

Ostatecznie, po normalizacji ze względu na wiek, płeć i rasę, obszar trzewnej tkanki tłuszczowej uzyskany z rutynowej CT wiązał się z ryzykiem zawału mięśnia sercowego i udaru.

Jak przewidują autorzy, w pełni zautomatyzowana analiza składu ciała przy użyciu uczenia maszynowego mogłaby być szeroko stosowana do uzyskania dodatkowych informacji z rutynowych badań obrazowych.
 
© 2024 Termedia Sp. z o.o. All rights reserved.
Developed by Bentus.