Front Cardiovasc Med：新型人工智能对象或能通过测定机体心脏四周的脂肪程度来预测个别患糖尿病的危险

2021年7月10日 讯 /100医药网BIOON/ --心周脂肪（PAT，Pericardial adipose tissue）或者是机体血汗管疾病的一个新型的危险标记物，然而因为缺乏疾速的无辐射PAT定量办法，是以今朝迷信家们无奈展开对年夜样本的查看。近日，一篇颁发在国内杂志Frontiers in Cardiovascular Medicine上题为“Automated Quality-Controlled Cardiovascular Magnetic Resonance Pericardial Fat Quantification Using a Convolutional Neural Network in the UK Biobank”的研讨申报中，来自伦敦年夜学玛丽皇后学院等机构的迷信家们通过研讨开辟了一种新型的人工智能对象（AI），其或能从MRI扫描图像中自动测定心脏四周的脂肪含量。

图片起源：https://www.frontiersin.org/articles/10.3389/fcvm.2021.677574/full

应用这种新型对象，研讨职员就发现，心脏四周的脂肪量越年夜，个别患糖尿病的能够性就越年夜，而这与个别的年龄、性别和BMI有关。脂肪在机体中的散布会影响一团体患多种疾病的危险，罕用的BMI掂量指标年夜多能反映皮肤下的脂肪沉积环境，而并非是机体外部内脏四周的脂肪环境。尤其是有些研讨职员以为，心脏四周脂肪的积聚能够是心脏病的预测因素，且与一系列疾病产生间接相关，包含心房颤抖、糖尿病和冠状动脉疾病等。

研讨者Zahra Raisi-Estabragh说道，可怜的是，手动测定心脏四周脂肪的程度关于咱们而言极具挑战性，并且十分耗时。基于这个起因，到今朝为止，还没有迷信家能在年夜规模的人群中来彻底研讨这一成绩。为相识决这个成绩，本文中，研讨职员开辟了新型AI对象，其能利用于尺度的心脏MRI扫描中，并能在三秒内自动疾速获取心脏四周脂肪的测定成果；该对象还能被研讨职员将来用于发现更多心脏四周脂肪与疾病危险之间的联系关系，同时还有能够将来作为病人在病院进行尺度照顾护士的一部门内容。

本研讨中使用的模子系统构造的详情。

图片起源：Andrew Bard1, et al. Frontiers in Cardiovascular Medicine (2021). DOI:10.3389/fcvm.2021.677574

文章中，研讨职员还测试了人工智能算法解读超过4.5万人的心脏MRI图像的才能，包含来自英国生物样本库的参加者等，该样本库是一个来自英国各地超过50万名参加者的安康信息数据库；研讨者发现，这种新型AI对象能精确地确定这些图像中间脏四周的脂肪程度或脂肪量，同时还能盘算出病人患糖尿病的危险。研讨者Andrew Bard弥补道，这种AI对象还包含一个盘算本身成果不确定性的内置办法，以是咱们可以说其领有一种令人印象粗浅的才能来标志其“家庭功课”。

这种新型对象关于将来研讨具备很年夜的意义和适用性，要是其临床适用性获得验证和证明的话，将来新型AI对象或无望用于临床实践来改善患者的照顾护士；此外，本文研讨任务也突出了医学研讨中跨学科畛域单干的代价，尤其是在血汗管成像研讨畛域。综上，本文研讨中研讨火食提出了一种新型的全自动CMR PAT定量办法，其在自力和内部数据库中领有优越的模子性能，且与参考尺度CCT PAT测定高度相关，并能预测与糖尿病的临床联系关系。（100医药网100yiyao.com）

原始出处：

Andrew Bard1, Zahra Raisi-Estabragh, Maddalena Ardissino, et al. , Frontiers in Cardiovascular Medicine (2021). DOI:10.3389/fcvm.2021.677574