Holistic AI analysis of hybrid cardiac perfusion images for mortality prediction
Notice bibliographique
Résumé
Background: While low-dose computed tomography scans are traditionally used for attenuation correction in hybrid myocardial perfusion imaging (MPI), they also contain additional anatomic and pathologic information not utilized in clinical assessment. We seek to uncover the full potential of these scans utilizing a holistic artificial intelligence (AI)-driven image framework for image assessment. Methods: Patients with SPECT/CT MPI from 4 REFINE SPECT registry sites were studied. A multi-structure model segmented 33 structures and quantified 15 radiomics features for each on CT attenuation correction (CTAC) scans. Coronary artery calcium and epicardial adipose tissue scores were obtained from separate deep-learning models. Normal standard quantitative MPI features were derived by clinical software. Extreme Gradient Boosting derived all-cause mortality risk scores from SPECT, CT, stress test, and clinical features utilizing a 10-fold cross-validation regimen to separate training from testing data. The performance of the models for the prediction of all-cause mortality was evaluated using area under the receiver-operating characteristic curves (AUCs). Results: Of 10,480 patients, 5,745 (54.8%) were male, and median age was 65 (interquartile range [IQR] 57-73) years. During the median follow-up of 2.9 years (1.6-4.0), 651 (6.2%) patients died. The AUC for mortality prediction of the model (combining CTAC, MPI, and clinical data) was 0.80 (95% confidence interval [0.74-0.87]), which was higher than that of an AI CTAC model (0.78 [0.71-0.85]), and AI hybrid model (0.79 [0.72-0.86]) incorporating CTAC and MPI data (p<0.001 for all). Conclusion: In patients with normal perfusion, the comprehensive model (0.76 [0.65-0.86]) had significantly better performance than the AI CTAC (0.72 [0.61-0.83]) and AI hybrid (0.73 [0.62-0.84]) models (p<0.001, for all).CTAC significantly enhances AI risk stratification with MPI SPECT/CT beyond its primary role - attenuation correction. A comprehensive multimodality approach can significantly improve mortality prediction compared to MPI information alone in patients undergoing cardiac SPECT/CT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».