机构名称：
¥ 2.0
背景 心血管疾病的一级预防依赖于使用汇集队列方程 (PCE) 和 PREVENT 等评分进行准确的风险评估。然而，这些评分所需的输入变量通常在电子健康记录 (EHR) 中不可用，而常规收集的数据（例如非造影胸部 CT）中的信息可能会进一步提高性能。在这里，我们测试基于胸部 CT 心脏和主动脉结构特征的风险预测模型是否为现有的预测主要不良心血管事件 (MACE) 的临床算法增加了价值。方法我们开发了一个 LASSO 模型，使用描述国家肺部筛查试验中 13,437 个肺癌筛查胸部 CT 的心腔和主动脉分割的结构放射组学特征来预测 12 年随访中的致命 MACE。我们将这个放射组学模型与外部测试集中的 4,303 名在 Mass General Brigham 站点进行胸部 CT 检查并且没有糖尿病史、之前 MACE 或他汀类药物治疗的个体的 PCE 和 PREVENT 评分进行了比较。使用一致性指数评估了对事件性 MACE 的鉴别。我们使用二元阈值来确定 PCE/PREVENT 评分（≥7.5% 风险）或放射组学评分（≥5.0% 风险）符合他汀类药物使用条件或不符合条件的患者的 MACE 发生率。结果根据所有变量是否可用于计算 PCE 或 PREVENT 评分进行分层。结果在外部测试集中（n = 4,303；平均年龄 61.5 ± 9.3 岁；47.1% 为男性），8.0% 在平均 5.1 年的随访中发生过 MACE。放射组学风险评分显著提高了 PCE 以外的鉴别能力（c 指数 0.653 vs. 0.567，p < 0.001），并且在缺少输入的个体中表现类似。根据放射组学和 PCE 评分均符合他汀类药物治疗条件的患者，其 MACE 发生率比仅根据 PCE 评分符合条件的患者高 2.6 倍（PCE 合格个体中，每 1,000 人年发生 29.5 [20.5, 39.1] 起事件 vs. 11.2 [8.0, 14.4] 起事件）。在缺失输入的患者中，根据放射组学评分符合他汀类药物治疗条件的患者发生 MACE 的概率比不符合他汀类药物治疗条件的患者高 1.8 倍（每 1000 人年发生 29.5 [21.9, 37.6] 起事件 vs. 16.7 [14.3, 19.0] 起事件）。与 PREVENT 评分相比，也发现了类似的结果。左心室容积和短轴长度对心肌梗死的预测能力最强，而左心房球形度和表面积体积比对中风的预测能力最强。结论基于单张胸部 CT，基于心脏形状的风险预测模型能够预测超出临床算法的心血管事件，并且在缺少标准心血管风险计算器输入的患者中表现出类似的表现。根据放射组学评分，高风险患者可能受益于强化一级预防（例如他汀类药物处方）。
使用 ai 对心血管风险进行机会性评估...
主要关键词
相关文件推荐
