[ad_1]

این محقق گفت ، تصویربرداری با CT به علاوه هوش مصنوعی (AI) می تواند راهی بهتر برای پیش بینی وقایع مهم قلبی عروقی (CV) ارائه دهد.

در یک مطالعه گذشته نگر روی بیش از 23000 بیمار در سال 2012 ، سطح بافت چربی احشایی تصویربرداری شده در سی تی اسکن شکمی – بر اساس یک ابزار یادگیری عمیق کاملاً خودکار برای تعیین معیارهای ترکیب بدن از تصاویر – به طور مستقل مرتبط بود. طبق گفته دکتر کیرتی مگودیا از دانشگاه کالیفرنیا ، سانفرانسیسکو ، با سکته قلبی بعدی (MI) و سکته مغزی متعاقب آن تا زمان BMI. این مطالعه در بیمارستان بریگام و زنان در بوستون انجام شده است.

همچنین ، شرکت کنندگانی که در ابتدای CT فاقد بیماری قلبی بودند ، اما بالاترین یک چهارم ناحیه چربی احشایی را داشتند ، در طی 5 سال 31٪ بیش از حد خطر حمله قلبی داشتند (نسبت خطر 1.31 ، 95 ٪ CI 1.03-1.67 پ<0.04) ، مگودیا در یک جلسه مجازی از انجمن رادیولوژی آمریکای شمالی (RSNA) گزارش داد.

بعلاوه ، کسانی که در ناحیه چربی احشایی دومین مرتبه ، سوم بلندترین و بلندترین ربع بودند ، در طی 5 سال 37 تا 49 درصد بیشتر در معرض خطر سکته مغزی بودند (پ04/0>) در مقایسه با سبکترین شرکت کنندگان در مطالعه.

“BMI به طور مستقل با MI یا سکته مغزی در یک مدل سازگار برای همه BC ها مرتبط نیست [body composition] معیارها “، نویسندگان یادداشت می کنند.

ماگودیا توضیح داد: “مدل های خطرناک قلبی عروقی تاسیس شده به عواملی مانند وزن و BMI که جایگزین خام ترکیب بدن هستند ، تکیه می کنند.” “کاملاً ثابت شده است که افراد با BMI یکسان نسبت قابل توجهی از عضله و چربی دارند. این تفاوت ها برای نتایج مختلف سلامتی مهم است.”

وی افزود: “گروهی از بیماران كه بالاترین نسبت چربی احشایی را دارند ، حتی در صورت اصلاح عوامل خطرزای قلبی عروقی ، به احتمال زیاد دچار حمله قلبی می شوند.” “گروه بیمارانی که کمترین میزان چربی احشایی را داشتند در سالهای پس از سی تی اسکن شکمی از سکته مغزی محافظت می شد.”

وی گفت: “این نتایج نشان می دهد که اندازه گیری دقیق ترشحات عضله و چربی بدن توسط CT نسبت به نشانگرهای زیستی سنتی برای پیش بینی خطر پیامدهای قلبی عروقی برتر است.”

یک قطعه CT محوری شکم می تواند حجم ناحیه چربی زیر جلدی ، ناحیه چربی احشایی و عضله اسکلتی را تجسم کند ، اما اندازه گیری دستی این نواحی جداگانه وقت گیر و پرهزینه است.

ماگودیا گفت: “اسکن توموگرافی ارتباطی معمول روشی دقیق تر برای بررسی ترکیبات بدن را ارائه می دهد ، اما در حال حاضر ما از این مزیت استفاده نمی کنیم.”

در حالی که تجزیه و تحلیل کاملاً خودکار BC سی تی اسکن شکمی این گروه در حال حاضر یک ابزار تحقیقاتی است ، “این تجزیه و تحلیل را می توان به راحتی انجام داد … در واقع ، یک واحد پردازش نمودار در سطح کاربر برای اتوماسیون کامل تجزیه و تحلیل ترکیب چربی بدن با سرعت و مقیاس مورد نیاز برای یک بیمارستان بزرگ ، با استفاده از ارزش پنهان از تصاویر معمول ، “گفت ماگودیا امروز MedPage.

محققان ، از جمله رادیولوژیست ها ، یک دانشمند داده و یک زیست شناس ، 33182 سی تی اسکن سرپایی را که بر روی 23136 بیمار در Partners Healthcare انجام شد ، مورد تجزیه و تحلیل قرار دادند. آنها 12 هزار و 128 بیمار (57 درصد زن ؛ میانگین سنی 52 سال ؛ اکثرا سفیدپوست) را که در زمان تصویربرداری از حوادث CV بزرگ و تشخیص سرطان نداشتند ، شناسایی کردند. آنها گفتند ، پس از 5 سال پیگیری ، 1560 مورد سکته مغزی و 938 مورد سکته مغزی رخ داده است.

محققان بخش L3 CT (از سومین ستون فقرات کمر) را انتخاب کردند و مناطق ترکیب بدن را برای هر بیمار محاسبه کردند. سپس بیماران بر اساس مقادیر نرمال شده بافت چربی زیر جلدی ، بافت چربی احشایی و عضله اسکلتی به چهار ربع تقسیم شدند.

ماگودیا در بیانیه ای گفت: “این کار نوید سیستم های هوش مصنوعی برای افزودن ارزش به مراقبت های بالینی را با استخراج اطلاعات جدید از داده های تصویربرداری موجود نشان می دهد.” “استقرار سیستم های هوش مصنوعی به رادیولوژیست ها ، متخصصان قلب و عروق و پزشکان مراقبت های اولیه این امکان را می دهد تا با حداقل هزینه اضافی برای سیستم بهداشت ، مراقبت بهتر از بیمار را ارائه دهند.”

پری پیکهارد ، دکترای دانشگاه ویسکانسین ، دانشکده پزشکی و بهداشت عمومی مدیسون ، به این موضوع گفت امروز MedPage که “اندازه گیری خودکار ترکیب بدن بدست آمده از سی تی اسکن کاربرد نسبتاً مستقیمی از هوش مصنوعی است که باید در آینده نزدیک به طور گسترده در دسترس رادیولوژیست های فعال باشد.”

پیكاردت كه در این مطالعه دخیل نبود توضیح داد: “به طور خاص ، اندازه گیری بافت چربی داخل شکمی ، عضله ، تراکم مواد معدنی استخوان ، کلسیفیکاسیون عروقی و چربی کبد ممکن است به زودی یک مکمل معمول فرصت طلب برای CT اسکن باشد.” “مهم این است که این اقدامات می توانند اطلاعات پیش آگهی ارزشمندی را ارائه دهند ، صرف نظر از علائم بالینی اصلی برای اسکن.”

این مطالعه جایزه کارآموزی تحقیقاتی RSNA 2020 را دریافت کرد.

آخرین بروزرسانی در 3 دسامبر سال 2020

افشای اطلاعات

ماگودیا و پیکهارد هیچ گونه ارتباط مرتبط با این صنعت را فاش نکردند.

[ad_2]

منبع: kaheshvazn-news.ir