能源經濟及策略、新及再生能源、火力、核能及核設施除役、原子科技及民生應用的專業資訊平台



以人工智慧分析電腦斷層掃描的結果可以預測心血管疾病風險

出處 NIH 作者 劉聖哲摘譯 年份 2020/05/19
報告類型 新聞報導 分類 原子科技及民生應用 資料時間 2020年5月
原始連結 原始連結

        一組由威斯康辛大學(University of Wisconsin)的Perry J. Pickhardt博士以及「美國國家衛生研究院臨床中心(NIH Clinical Center)」的Ronald Summers博士所領導的研究小組,三月初在《刺絡針數位健康(The Lancet Digital Health)》期刊上發表了一篇研究,宣稱他們開發出能自影像提取其他資訊的人工智慧(AI)演算法,若把它用於分析電腦斷層(CT)掃描的結果,將能更準確評估人們發生心血管疾病的風險。

  傳統上心血管疾病風險可由身體質量指數(Body mass index, BMI)來簡單評估;另一種包括年齡、性別、血壓、血膽固醇等相關資訊的佛萊明漢風險分數(Framingham risk score, FRS)也是評估的方法。不過這兩項工具並不精確,很容易造成誤判。另外,在美國每年大約有8,000萬個因為各種不同原因而接受CT掃描的病例,在這些CT掃描的結果中,是否有可能從裡面再挖掘出其他隱藏著的有用資訊呢?

  Pickhardt和Summers的研究團隊一直以來就是在開發用來對CT掃描結果進行分析,以評估其他疾病風險的計算機程式。在此之前,團隊已經發表過分析CT掃描的影像可診斷骨質疏鬆症的研究結果。此次新發表的研究中,則是測試以他們所開發出的AI演算法來分析CT掃描結果,是否能比BMI或FRS更準確地預測心血管疾病風險。

  在研究中,團隊徵求了9,223名平均年齡57.1歲、無心血管疾病症狀的男、女研究參與者,讓他們接受低劑量、不需使用顯影劑之(unenhanced)腹部CT掃描,然後以團隊所開發之深度學習(deep-learning based)及特徵(feature based)影像處理兩類AI演算法,從參與者們的腹部CT掃描結果中量測、收集主動脈鈣化、肌肉密度、內臟與皮下脂肪比率、肝臟密度、與脊椎骨密度等5項身體成分指標。然後研究人員還繼續對每位參與者收集平均約9年的後續追蹤資訊,其中有20%的參與者於後續追蹤期間發生心肌梗塞、中風、充血性心臟衰竭或死亡。

  最後,研究人員就後來發生心血管疾病或死亡之案例與他們的AI量測指標是否相關進行評估,結果發現與FRS和BMI相比,5項AI指標確實能更好地預測未來發生心血管疾病和死亡的風險:首先,所有5項的AI指標在患有和未患有心臟病的人之間都存在很大差異(p <0.001);其次,在預測心臟病風險方面,主動脈鈣化單項AI指標即優於多變量的FRS,5項AI指標中之任一項都比BMI更具預測力;結合多個AI指標更能提高預測未來發生心臟病風險的能力…等等。

  不過由於CT掃描須讓接受掃描者暴露於少量輻射中,因此研究人員尚不建議僅僅為了評估心血管疾病風險就讓患者接受CT掃描。

圖說:(A)從腹部CT掃描結果評估脂肪、肌肉、肝臟、主動脈鈣化和骨骼之自動化過程示意圖。(B)一名無症狀52歲男性接受CT直腸癌篩檢的病例。在進行CT篩檢時,他的BMI為27.3,FRS為5%(低風險)。但是三種基於CT掃描結果的AI指標卻指出未來有潛在疾病的可能,三個AI指標的多變量Cox模型預測:2年內發生心血管疾病的風險為19%,5年內為40%,10年內則為67%;2年內死亡的風險為4%,5年內為11%,10年內為27%。該患者後來在首次接受CT掃描之3年後發生急性心肌梗塞,12年後死亡,享年64歲。(C)該患者因為受到輕傷而在死前7個月進行的CT檢查顯示出血管鈣化、內臟脂肪和肝脂肪變性有明顯的進展。(Source: Perry J Pickhardt et. al., Automated CT biomarkers for opportunistic prediction of future cardiovascular events and mortality in an asymptomatic screening population: a retrospective cohort study., The Lancet Digital Health. 2 March 2020. https://doi.org/10.1016/S2589-7500(20)30025-X)