JVS人工智能在腹主动脉瘤治疗中的应

人工智能可对AAA的形态、几何结构、流体动力学以及腔内血栓和钙化等进行自动化定量测量和精确表征，有助于改善对AAA影像的解读和分析。应用人工智能整合患者的临床、生物学和影像学特征信息，可以获得可靠、准确的AAA进展和破裂的风险预测评分，可帮助外科医生更好地评估手术适应症。人工智能也有助于更好地预测术后结果和规划患者的术后随访监测。

——摘自文章章节

背景和目的

腹主动脉瘤（AAA）目前的治疗方法主要是开放手术和腔内修复（EVAR）。手术指征主要依赖于对AAA扩张和破裂风险的评估，然而在临床实践中有时候难以作出判断。人工智能（AI）的出现已经为心血管疾病的诊疗带来新的视野，但其在AI在AAA中的应用迄今为止却鲜有报道。医院的JulietteRaffort,及其同事对目前人工智能在AAA中潜在应用的最新知识进行总结，文章发表于最新一期国际权威期刊JVascSurg。

研究方法

作者对现有的相关文献进行了全面的综述。按照PRISMA声明（系统综述和Meta分析优先报告的条目）检索MEDLINE数据库。搜索策略采用关键词组合（所用检测词为“artificialintelligence,”“deeplearning,”“machinelearning,”“neuralnetwork,”“convolutionalneuralnetwork,”“segmentation,”“aneurysm,”“aorticaneurysm,”“abdominalaorticaneurysm,”“openrepair,”“endovascularaneurysmrepair”），纳入了年1月至年5月间发表的AAA患者中使用人工智能的相关研究。两位作者独立筛选标题和摘要并进行数据提取。检索已发表文献，共确定了34篇方法学、目的和研究设计不同的研究。检索和纳入文献流程如图所示。图1

研究结果

人工智能在AAA方面的应用主要是改善患者影像分割效果，并可对AAA形态学、几何结构和流体动力学等定量分析和表征。人工智能还可用于运算大数据进而识别可能预示AAA生长和破裂的图像模式。目前还开展了若干与风险预测和预后评估相关的研发项目，用于评估患者的术后结果，包括EVAR术后的死亡率和并发症，见表3。第一项论证预测AAA增长可行性的研究使用了一套基准学习技术。该算法基于两个特征（流体介导的扩张和AAA直径）的支持向量回归，准确预测了12个月时85%的患者和24个月时71%的患者的AAA直径，误差在2毫米以内（表3文献48）。另一个计算机程序集成了8个生物力学因素，用于预测AAA破裂的风险。该软件计算一个患者特异性的严重程度参数，并将患者状态分类为低风险、观察、择期修复或即将破裂。该程序在3例临床病例中进行验证，对患者病情的分类全部正确（表3文献36）。已有数项研究尝试应用人工智能建立AAA修复患者的死亡率预测评分。两项研究使用了四变量人工神经网络（ANN）模型评估了破裂AAA患者住院死亡率和30天死亡率（表3，文献35和41）风险，并证明了该方法的可行性。另一项研究比较了人工神经网络与多因素logistic回归分析以及临床医生在预测开放手术患者住院死亡率方面的表现，结果显示人工神经网络预测往往高估低风险患者的风险，低估高风险患者的风险（表3，文献37）。还有三种机器学习算法，包括多层感知器、径向基函数网络和贝叶斯网络，分别测试用于预测院内死亡率，表现出不同的灵敏度和特异性（表3，文献44）。目前也有若干研究

转载请注明：http://www.zhudongmailiu.com/xzdml/4769.html