人工智能（AI）指导的定量斑块分期预测动脉粥样硬化性心血管疾病高危患者的长期心血管结局

文章预览

背景： 最近开发的人工智能指导的定量冠状动脉CT造影分析（AI-QCT）能够快速分析动脉粥样硬化的斑块负荷和特征。 目的： 本研究旨在调查AI-QCT分析得出的动脉粥样硬化负担的10年预测价值，并将斑块的量化特征与人工评估的冠状动脉CT造影（CCTA）、冠状动脉钙化评分（CACS）和临床风险特征进行比较。 方法： 这是一项对536名疑诊为冠心病患者的长期随访研究。使用AI-QCT分析CCTA扫描，并将斑块负荷按斑块分期系统分类（0期：0%斑块体积百分比[PAV]；1期：>0%-5% PAV；2期：>5%-15% PAV；3期：>15% PAV）。主要不良心脏事件（MACE）终点包括非致命性心肌梗死、非致命性卒中、冠状动脉血运重建和全因死亡率。 结果： 基线的平均年龄为58.6岁，其中297名患者（55%）为男性。在平均10.3年的随访期间（IQR：8.6-11.5年），114名患者（21%）经历了主要终点事件。与0期 ………………………………