Enhancing cardiovascular risk prediction through AI-enabled calcium-omics

要約

背景。
冠動脈カルシウム (CAC) は、重大な心血管イベント (MACE) の強力な予測因子です。
従来のアガットストン スコアは、非線形ではあるものの単純にカルシウムを合計するため、疾患の程度をより完全に把握する改良された石灰化評価の余地が残されています。
客観的。
詳細な石灰化特徴 (つまり、カルシウム オミクス) を使用した AI 手法が MACE 予測を改善できるかどうかを判断する。
方法。
我々は、質量、体積、密度、空間分布、領域などの評価を含む石灰化の追加の特徴を調査しました。我々は、大規模な非-
コスト CLARIFY プログラム (ClinicalTri-als.gov 識別子: NCT04075162)。
モデルのトレーニングを強化するためにサンプリング手法を採用しました。
また、説明可能な高リスク特性を特定するために、選択された特徴を備えた Cox モデルも調査しました。
結果。
修正された合成ダウンサンプリングとアップサンプリングを使用して提案したカルシウムオミクスモデルでは、(80:20、トレーニング/テスト) に対して、それぞれ C インデックス (80.5%/71.6%) と 2 年 AUC (82.4%/74.8%) が得られました (
サンプリングはトレーニング セットのみに適用されました)。
結果は、それぞれ C インデックス (71.3%/70.3%) および AUC (71.8%/68.8%) を与えた Agatston と比べて良好でした。
カルシウムオミックスの特徴のうち、石灰化の数、LAD 質量、拡散率 (空間分布の尺度) はリ​​スク増加の重要な決定要因であり、高密度の石灰化 (>1000HU) はリスクの低下と関連していました。
カルシウムオミクスモデルは、ホールドアウトテストで MACE 患者の 63% を高リスクグループに再分類しました。
カテゴリ純再分類指数は NRI=0.153 でした。
結論。
冠状動脈石灰化の AI 分析は、Agatston スコアリングと比較して結果の向上につながる可能性があります。
私たちの発見は、リスク予測の向上におけるカルシウムオミクスの有用性を示唆しています。

要約(オリジナル)

Background. Coronary artery calcium (CAC) is a powerful predictor of major adverse cardiovascular events (MACE). Traditional Agatston score simply sums the calcium, albeit in a non-linear way, leaving room for improved calcification assessments that will more fully capture the extent of disease. Objective. To determine if AI methods using detailed calcification features (i.e., calcium-omics) can improve MACE prediction. Methods. We investigated additional features of calcification including assessment of mass, volume, density, spatial distribution, territory, etc. We used a Cox model with elastic-net regularization on 2457 CT calcium score (CTCS) enriched for MACE events obtained from a large no-cost CLARIFY program (ClinicalTri-als.gov Identifier: NCT04075162). We employed sampling techniques to enhance model training. We also investigated Cox models with selected features to identify explainable high-risk characteristics. Results. Our proposed calcium-omics model with modified synthetic down sampling and up sampling gave C-index (80.5%/71.6%) and two-year AUC (82.4%/74.8%) for (80:20, training/testing), respectively (sampling was applied to the training set only). Results compared favorably to Agatston which gave C-index (71.3%/70.3%) and AUC (71.8%/68.8%), respectively. Among calcium-omics features, numbers of calcifications, LAD mass, and diffusivity (a measure of spatial distribution) were important determinants of increased risk, with dense calcification (>1000HU) associated with lower risk. The calcium-omics model reclassified 63% of MACE patients to the high risk group in a held-out test. The categorical net-reclassification index was NRI=0.153. Conclusions. AI analysis of coronary calcification can lead to improved results as compared to Agatston scoring. Our findings suggest the utility of calcium-omics in improved prediction of risk.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google