维度网讯，根据发表在《美国心脏病学会杂志》(JACC)上的一项新分析，先进的人工智能模型可以帮助将常规头部CT图像转化为自动心血管风险评估。该研究由哈佛医学院生物医学信息学系研究员张晓曼博士及其同事完成，为人工智能医疗在机会性筛查领域提供了新的应用方向。

研究团队开发了多个能够从头部CT中提取关键信息的深度学习模型。他们使用了一个包含来自超过35,000名患者的近100,000项研究的专有数据集来训练这些算法。第一个模型能够基于患者头部CT成像结果预测其发生心血管疾病事件的时间，第二个模型则能够估计冠状动脉钙化评分。这种人工智能医疗方法的意义在于，它利用了为无关临床指征进行的常规成像，实现了低成本、可扩展的心血管风险评估。

“先进成像的广泛应用受到成本和可及性的限制，”张晓曼博士及其同事写道。“人工智能的最新进展使得能够利用为无关临床指征进行的成像进行机会性心血管风险评估。例如，深度学习模型可以从非门控胸部CT扫描中估计冠状动脉钙化，提供一种可扩展且经济高效的专用心脏成像替代方案。”研究人员随后使用接受常规头部CT图像的不同患者队列验证了这些人工智能医疗模型的性能。该研究展示了人工智能医疗在将常规诊断图像转化为心血管疾病预防工具方面的潜力。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com