Deep learning predicts cardiovascular disease risks from lung cancer screening low dose computed tomography.
Deep learning predicts cardiovascular disease risks from lung cancer screening low dose computed tomography.
复制标题
DOI：
10.1038/s41467-021-23235-4
复制
发表时间：
2021-05-20
影响因子：
16.6
通讯作者：
Yan P
中科院分区：
文献类型：
--
作者：
Chao H;Shan H;Homayounieh F;Singh R;Khera RD;Guo H;Su T;Wang G;Kalra MK;Yan P
与普通人群相比，癌症患者心血管疾病(CVD)死亡率更高。用于肺癌筛查的低剂量计算机断层扫描(LDCT)为高危患者提供了同时评估心血管疾病风险的机会。我们的深度学习心血管疾病风险预测模型，使用来自国家肺癌筛查试验的30,286个LDCT进行训练，在2,085名受试者的单独测试集上实现了0.871的曲线下面积(AuC)，并识别出具有高心血管死亡风险的患者(AuC值为0.768)。我们根据基于心电门控心脏CT的标记物来验证我们的模型，包括冠状动脉钙化(CAC)评分、CAD-RADS评分和来自335名受试者的独立数据集的MESA 10年风险评分。我们的工作表明，在高危患者中，深度学习可以将用于肺癌筛查的LDCT转换为用于CVD风险评估的双重筛查定量工具。用于肺癌筛查的低剂量计算机断层扫描(LDCT)为高危患者提供了同时评估心血管疾病风险的机会。在这里，作者开发了一个深度学习模型来执行这项任务，显示出人类水平的表现。
Cancer patients have a higher risk of cardiovascular disease (CVD) mortality than the general population. Low dose computed tomography (LDCT) for lung cancer screening offers an opportunity for simultaneous CVD risk estimation in at-risk patients. Our deep learning CVD risk prediction model, trained with 30,286 LDCTs from the National Lung Cancer Screening Trial, achieves an area under the curve (AUC) of 0.871 on a separate test set of 2,085 subjects and identifies patients with high CVD mortality risks (AUC of 0.768). We validate our model against ECG-gated cardiac CT based markers, including coronary artery calcification (CAC) score, CAD-RADS score, and MESA 10-year risk score from an independent dataset of 335 subjects. Our work shows that, in high-risk patients, deep learning can convert LDCT for lung cancer screening into a dual-screening quantitative tool for CVD risk estimation. Low dose computed tomography (LDCT) for lung cancer screening offers an opportunity for simultaneous CVD risk estimation in at-risk patients. Here, the authors develop a deep learning model to perform this task, showing human-level performance.
登录
查看更多内容
影响因子：
3.8
作者：
Freiman, Moti;Manjeshwar, Ravindra;Goshen, Liran
通讯作者：
Goshen, Liran
影响因子：
9.3
作者：
Christensen, Regitse H.;von Scholten, Bernt Johan;Jorgensen, Peter G.
通讯作者：
Jorgensen, Peter G.
DOI：
10.1016/0735-1097(90)90282-t
发表时间：
1990-03-15
影响因子：
24
作者：
AGATSTON, AS;JANOWITZ, WR;DETRANO, R
通讯作者：
DETRANO, R
影响因子：
120.7
作者：
Bach, Peter B.;Mirkin, Joshua N.;Oliver, Thomas K.;Azzoli, Christopher G.;Berry, Donald A.;Brawley, Otis W.;Byers, Tim;Colditz, Graham A.;Gould, Michael K.;Jett, James R.;Sabichi, Anita L.;Smith-Bindman, Rebecca;Wood, Douglas E.;Qaseem, Amir;Detterbeck, Frank C.
通讯作者：
Detterbeck, Frank C.
影响因子：
19.7
作者：
Chiles C;Duan F;Gladish GW;Ravenel JG;Baginski SG;Snyder BS;DeMello S;Desjardins SS;Munden RF;NLST Study Team
通讯作者：
NLST Study Team