Ukuran lemak perut AI memprediksi serangan jantung dan stroke – ScienceDaily

Ukuran lemak perut AI memprediksi serangan jantung dan stroke – ScienceDaily

[ad_1]

Analisis pembelajaran mendalam otomatis dari gambar CT perut menghasilkan pengukuran komposisi tubuh yang lebih tepat dan memprediksi kejadian kardiovaskular utama, seperti serangan jantung dan stroke, lebih baik daripada keseluruhan berat badan atau indeks massa tubuh (BMI), menurut sebuah penelitian yang dipresentasikan hari ini di tahunan. pertemuan Radiological Society of North America (RSNA).

“Model risiko kardiovaskular yang mapan bergantung pada faktor-faktor seperti berat badan dan BMI yang merupakan pengganti kasar dari komposisi tubuh,” kata Kirti Magudia, MD, Ph.D., seorang rekan pencitraan perut dan ultrasound di University of California San Francisco. “Sudah diketahui dengan baik bahwa orang dengan BMI yang sama dapat memiliki proporsi otot dan lemak yang sangat berbeda. Perbedaan ini penting untuk berbagai hasil kesehatan.”

Tidak seperti BMI, yang didasarkan pada tinggi dan berat badan, potongan CT aksial tunggal pada abdomen memvisualisasikan volume area lemak subkutan, area lemak viseral, dan area otot rangka. Namun, mengukur area individu ini secara manual membutuhkan waktu dan biaya yang mahal.

Sebagai residen radiologi di Brigham and Women’s Hospital di Boston, Dr. Magudia adalah bagian dari tim peneliti multidisiplin, termasuk ahli radiologi, ilmuwan data, dan ahli biostatistik, yang mengembangkan metode otomatis sepenuhnya menggunakan pembelajaran mendalam – sejenis kecerdasan buatan ( AI) – untuk menentukan metrik komposisi tubuh dari gambar CT abdomen.

“CT scan perut yang dilakukan secara rutin memberikan cara yang lebih terperinci untuk melihat komposisi tubuh, tetapi saat ini kami tidak memanfaatkannya,” kata Dr. Magudia.

Kohort penelitian ini berasal dari 33.182 pemeriksaan rawat jalan CT abdomen yang dilakukan pada 23.136 pasien di Partners Healthcare di Boston pada tahun 2012. Para peneliti mengidentifikasi 12.128 pasien yang bebas dari diagnosis kardiovaskular dan kanker utama pada saat pencitraan. Usia rata-rata pasien adalah 52 tahun, dan 57% pasien adalah wanita.

Para peneliti memilih potongan CT L3 (dari vertebra lumbal ketiga) dan menghitung area komposisi tubuh untuk setiap pasien. Pasien kemudian dibagi menjadi empat kuartil berdasarkan nilai normalisasi area lemak subkutan, area lemak viseral dan area otot rangka.

Dalam penelitian retrospektif ini, ditentukan mana dari 12.128 pasien ini yang mengalami infark miokard (serangan jantung) atau stroke dalam waktu 5 tahun setelah CT scan perut indeks. Para peneliti menemukan 1.560 infark miokard dan 938 stroke terjadi pada kelompok studi ini.

Analisis statistik menunjukkan bahwa area lemak viseral secara independen dikaitkan dengan serangan jantung dan stroke di masa depan. BMI tidak terkait dengan serangan jantung atau stroke.

“Kelompok pasien dengan proporsi area lemak viseral tertinggi lebih mungkin mengalami serangan jantung, bahkan ketika disesuaikan dengan faktor risiko kardiovaskular yang diketahui,” kata Dr. Magudia. “Kelompok pasien dengan jumlah area lemak visceral terendah terlindungi dari stroke pada tahun-tahun setelah pemeriksaan CT abdomen.”

“Hasil ini menunjukkan bahwa ukuran yang tepat dari otot tubuh dan kompartemen lemak yang dicapai melalui CT mengungguli biomarker tradisional untuk memprediksi risiko hasil kardiovaskular,” tambahnya.

Menurut Dr. Magudia, pekerjaan ini menunjukkan bahwa analisis komposisi tubuh yang sepenuhnya otomatis dan dinormalisasi sekarang dapat diterapkan pada proyek penelitian skala besar.

“Pekerjaan ini menunjukkan janji sistem AI untuk menambah nilai pada perawatan klinis dengan mengekstraksi informasi baru dari data pencitraan yang ada,” kata Dr. Magudia. “Penerapan sistem AI akan memungkinkan ahli radiologi, ahli jantung dan dokter perawatan primer untuk memberikan perawatan yang lebih baik kepada pasien dengan biaya tambahan minimal untuk sistem perawatan kesehatan.”

Makalah ini adalah penerima Hadiah Penelitian Trainee RSNA 2020.

Rekan penulis adalah Christopher P. Bridge, D.Phil., Camden P. Bay, Ph.D., Florian J. Fintelmann, MD, Ana Babic, Ph.D., Katherine P. Andriole, Ph.D., Brian M. Wolpin, MD, dan Michael H. Rosenthal, MD, Ph.D.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Slot Online

Author Image
adminProzen