Abstract 4370368: AI-Predicted Osteoporosis from Preprocedural CT Scans Predicts Mortality After TAVR: A Multicenter Study
Notice bibliographique
Résumé
Background: Osteoporosis and sarcopenia are common but underrecognized contributors to frailty in older adults undergoing transcatheter aortic valve replacement (TAVR). Standard risk scores omit musculoskeletal parameters despite their known association with adverse outcomes. Objective: To evaluate whether osteoporosis predicted by an AI-based model using routine pre-TAVR CT scans is associated with long-term mortality in a large, multicenter TAVR cohort. Methods: We developed a radiomics-based machine learning model trained on 252 patients with paired CT and dual-energy X-ray absorptiometry (DXA) scans from Jewish General Hospital and McGill University Health Centre (Canada). The model estimated lumbar bone mineral density (BMD) and T-scores and was applied to preprocedural contrast-enhanced CT scans routinely acquired for TAVR planning in 906 patients across five institutions in the US, Canada, and Ireland. Osteoporosis was defined as AI-predicted T-score ≤ –2.5. Skeletal muscle density was extracted from the same CTs. Associations with all-cause mortality were assessed using Cox regression. Results: The radiomics-based regression model demonstrated strong agreement with DXA-derived BMD, achieving a mean absolute error of 0.06, R 2 of 0.87, and correlation coefficient of 0.93. The corresponding classification model predicting WHO T-score categories (normal, osteopenia, osteoporosis) achieved an overall accuracy of 0.82. Applied to the external TAVR cohort (n=906), the model identified 3.0% (27/906) of patients as osteoporotic (T-score ≤ –2.5). AI-defined osteoporosis was significantly associated with increased long-term mortality (HR 2.27; 95% CI: 1.23–4.19; p=0.009). Higher skeletal muscle density was also associated with reduced mortality (HR per 1 HU increase: 0.987; p=0.041). Patients classified as osteoporotic had lower muscle volume and higher frailty scores. Kaplan–Meier survival analysis further demonstrated that osteoporotic patients had significantly lower long-term survival. Although only 3% of the cohort had osteoporosis, survival curves diverged early and remained separated, suggesting this subgroup represents a clinically vulnerable population. Conclusion: An automated AI-based model accurately estimates BMD from routine pre-TAVR imaging and identifies patients at increased mortality risk. Opportunistic CT-based assessment of bone and muscle health may enhance frailty screening and risk stratification in older adults undergoing TAVR.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».