Deep convolutional neural networks to predict cardiovascular risk from computed tomography.
Deep convolutional neural networks to predict cardiovascular risk from computed tomography.
复制标题
DOI：
10.1038/s41467-021-20966-2
复制
发表时间：
2021-01-29
影响因子：
16.6
通讯作者：
Aerts HJWL
中科院分区：
文献类型：
--
作者：
Zeleznik R;Foldyna B;Eslami P;Weiss J;Alexander I;Taron J;Parmar C;Alvi RM;Banerji D;Uno M;Kikuchi Y;Karady J;Zhang L;Scholtz JE;Mayrhofer T;Lyass A;Mahoney TF;Massaro JM;Vasan RS;Douglas PS;Hoffmann U;Lu MT;Aerts HJWL
冠状动脉钙化是心血管事件的准确预测因子。虽然它在胸部的所有计算机断层扫描（CT）上都是可见的，但由于它需要专业知识，时间和专门设备，因此这些信息并没有常规量化。在这里，我们展示了一个强大且省时的深度学习系统，可以在常规心脏门控和非门控CT上自动量化冠状动脉钙。当我们在来自不同的无症状（Fracket Heart Study，NLST）和稳定和急性胸痛（PROMISE，ROMICAT-II）队列的20，084例患者中进行评估时，自动评分是心血管事件的强预测因子，独立于风险因素（多变量调整的风险比高达4.3），显示出与手动量化的高度相关性，以及强大的重测可靠性。我们的研究结果证明了深度学习系统在自动预测心血管事件方面的临床价值。实施到临床实践中将解决自动化证明成像生物标志物的未满足需求，以指导管理和改善人群健康。冠状动脉钙是心血管事件的准确预测因子，但该信息并未常规量化。在本文中，作者展示了一个强大且具有时效性的深度学习系统，可以自动量化CT扫描上的冠状动脉钙，并在一项大型多中心研究中预测心血管事件。
Coronary artery calcium is an accurate predictor of cardiovascular events. While it is visible on all computed tomography (CT) scans of the chest, this information is not routinely quantified as it requires expertise, time, and specialized equipment. Here, we show a robust and time-efficient deep learning system to automatically quantify coronary calcium on routine cardiac-gated and non-gated CT. As we evaluate in 20,084 individuals from distinct asymptomatic (Framingham Heart Study, NLST) and stable and acute chest pain (PROMISE, ROMICAT-II) cohorts, the automated score is a strong predictor of cardiovascular events, independent of risk factors (multivariable-adjusted hazard ratios up to 4.3), shows high correlation with manual quantification, and robust test-retest reliability. Our results demonstrate the clinical value of a deep learning system for the automated prediction of cardiovascular events. Implementation into clinical practice would address the unmet need of automating proven imaging biomarkers to guide management and improve population health. Coronary artery calcium is an accurate predictor of cardiovascular events but this information is not routinely quantified. Here the authors show a robust and time-efficient deep learning system to automatically quantify coronary calcium on CT scans and predict cardiovascular events in a large, multicentre study.
登录
查看更多内容
影响因子：
37.8
作者：
Blaha MJ;Cainzos-Achirica M;Greenland P;McEvoy JW;Blankstein R;Budoff MJ;Dardari Z;Sibley CT;Burke GL;Kronmal RA;Szklo M;Blumenthal RS;Nasir K
通讯作者：
Nasir K
影响因子：
158.5
作者：
Detrano, Robert;Guerci, Alan D.;Kronmal, Richard A.
通讯作者：
Kronmal, Richard A.
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
肺癌预后的深度学习：一项回顾性多核心放射线学研究。
影响因子：
15.8
作者：
Hosny A;Parmar C;Coroller TP;Grossmann P;Zeleznik R;Kumar A;Bussink J;Gillies RJ;Mak RH;Aerts HJWL
通讯作者：
Aerts HJWL
影响因子：
39.3
作者：
Budoff, Matthew J.;Young, Rebekah;Wong, Nathan D.
通讯作者：
Wong, Nathan D.