Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray

要約

目的。
胸部単純正面 X 線写真で無症状性アテローム性動脈硬化症を認識するための深層学習ベースのシステムを開発する。
方法と結果。
冠動脈カルシウム (CAC) スコアを予測するための深層学習アルゴリズム (AI-CAC モデル) が、一次予防患者 (男性 58.4%、男性 58.4%、
年齢中央値 63 [51-74] 歳）、臨床上の理由により必要とされ、3 か月以内に実施された胸部 X 線および胸部コンピューター断層撮影 (CT) の組み合わせが利用可能であること。
胸部 CT で計算された CAC スコアがグラウンド トゥルースとして使用されました。
このモデルは、同じ施設の患者 90 人の時間的に独立したコホートで検証されました (外部検証)。
曲線下面積 (AUC) によって評価される AI-CAC モデルの診断精度が主要結果でした。
全体として、AI-CAC スコアの中央値は 35 (0-388) で、28.9% の患者には AI-CAC がありませんでした。
CAC>0 を識別する AI-CAC モデルの AUC は、内部検証コホートでは 0.90、外部検証コホートでは 0.77 でした。
感度は両方のコホートで一貫して 92% 以上でした。
コホート全体 (n=540) では、AI-CAC=0 の患者の間で、4.3 年後に ASCVD イベントが 1 件発生しました。
AI-CAC>0 の患者は、ASCVD イベントに関するカプラン マイヤー推定値が有意に高かった (13.5% 対 3.4%、ログランク = 0.013)。
結論。
AI-CAC モデルは、胸部 X 線検査で無症候性アテローム性動脈硬化症を高い感度で正確に検出し、高い陰性的中率で ASCVD イベントを予測すると思われます。
CV リスク層別化を改良するため、または日和見的スクリーニング ツールとして AI-CAC モデルを採用するには、前向きな評価が必要です。

要約(オリジナル)

Aims. To develop a deep-learning based system for recognition of subclinical atherosclerosis on a plain frontal chest x-ray. Methods and Results. A deep-learning algorithm to predict coronary artery calcium (CAC) score (the AI-CAC model) was developed on 460 chest x-ray (80% training cohort, 20% internal validation cohort) of primary prevention patients (58.4% male, median age 63 [51-74] years) with available paired chest x-ray and chest computed tomography (CT) indicated for any clinical reason and performed within 3 months. The CAC score calculated on chest CT was used as ground truth. The model was validated on an temporally-independent cohort of 90 patients from the same institution (external validation). The diagnostic accuracy of the AI-CAC model assessed by the area under the curve (AUC) was the primary outcome. Overall, median AI-CAC score was 35 (0-388) and 28.9% patients had no AI-CAC. AUC of the AI-CAC model to identify a CAC>0 was 0.90 in the internal validation cohort and 0.77 in the external validation cohort. Sensitivity was consistently above 92% in both cohorts. In the overall cohort (n=540), among patients with AI-CAC=0, a single ASCVD event occurred, after 4.3 years. Patients with AI-CAC>0 had significantly higher Kaplan Meier estimates for ASCVD events (13.5% vs. 3.4%, log-rank=0.013). Conclusion. The AI-CAC model seems to accurately detect subclinical atherosclerosis on chest x-ray with elevated sensitivity, and to predict ASCVD events with elevated negative predictive value. Adoption of the AI-CAC model to refine CV risk stratification or as an opportunistic screening tool requires prospective evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google