自動化AI算法

布萊根婦女醫院的醫學人工智能(AIM)計劃和馬薩諸塞州總醫院的心血管影像研究中心(CIRC)的研究人員聯手開發和評估了可以幫助改變這一狀況的深度學習系統。該系統通過CT掃描自動測量冠狀動脈鈣，以幫助醫生和患者就心血管預防做出更明智的決定。該團隊使用來自20,000多個個人的數據驗證了該系統，并取得了可喜的結果。他們的發現發表在自然交流。 冠狀動脈鈣化-心臟動脈壁上鈣化斑塊的積聚-是不良心血管事件如心臟病發作的重要預測指標。可以通過計算機斷層掃描(CT)掃描來檢測冠狀動脈鈣，但是要量化斑塊的數量需要放射學專業知識，時間和專門的設備。在實踐中，盡管胸部CT掃描相當普遍，但鈣質分數CT卻并非如此。

AIM的數據科學家MSc的主要作者Roman Zeleznik與同事合作，開發了本文所述的深度學習系統，該系統可通過對冠狀動脈鈣質進行評分來自動準確地預測心血管事件。雖然該工具目前僅用于研究目的，但Zeleznik及其合作者已將其開源并免費提供給任何人使用。

Zeleznik說：“從理論上講，深度學習系統可以做很多人類量化鈣的工作。”“我們的論文表明，有可能以自動化方式做到這一點。”

相應的作者Hugo Aerts博士說：“幾乎每位接受胸部CT掃描的患者都可以獲得冠狀動脈鈣信息，但之所以無法量化，是因為每位患者花費太多的時間。”布里格姆和哈佛醫學院的醫學人工智能(AIM)計劃。“我們開發了一種算法，可以自動識別高風險個體。”

CIRC @ MGH的主任Udo Hoffmann，醫學博士，他是FHS，PROMISE和ROMICAT中CT成像的主要研究人員，他強調說，這項研究的*之處之一是包括了三個國家心臟，肺和血液研究所，資助了高質量的圖像和結果試驗，以增強這些結果在環境中的可推廣性。

該團隊首先根據弗雷明漢心臟研究(FHS)的數據對深度學習系統進行了培訓，該研究是一項的無癥狀社區隊列研究。Framingham的參與者接受了專門的鈣評分CT掃描，這些掃描由專業的人類讀者手動評分，并用于訓練深度學習系統。然后將深度學習系統應用于另外三個研究隊列，其中包括患有肺癌篩查CT的重度吸煙者(NLST：國家肺部篩查試驗)，患有穩定胸痛的患者進行心臟CT篩查(PROMISE：評估多發性前瞻性多中心成像研究)胸痛)，以及患有心臟CT的急性胸痛患者(ROMICAT-II：使用計算機輔助斷層掃描試驗排除心肌梗塞)。總而言之，該團隊驗證了20,000多人的深度學習系統。