(相关资料图)

根据发表在《核医学杂志》1 月号上的研究，通过将来自两种先进成像技术的信息与临床数据相结合，医生可以改进他们对心脏病发作的预测。当在人工智能模型中一起评估时，发现 PET 上的冠状动脉18F-NaF 摄取和 CT 血管造影上的定量冠状动脉斑块特征是互补的，是已确诊冠状动脉疾病患者心脏病发作风险的强预测因子，提供的风险预测优于仅临床数据。

在日常临床实践中，预测心脏病发作具有挑战性。心脏病发作的预测可能性通常基于心血管危险因素和评分，尤其是在疑似冠状动脉疾病的患者中。然而，在确诊为冠状动脉疾病的患者中，心血管危险因素和评分并不总能显示全貌。

“最近，先进的成像技术在确定哪些冠状动脉疾病患者最有心脏病发作的风险方面表现出相当大的前景。这些技术包括18F-氟化钠 (18F-NaF) PET，它可以评估冠状动脉中的疾病活动和 CT 血管造影，它提供了定量斑块分析，”Piotr J. Slomka 博士说，他是 FACC、FASNC、FCCPM、加利福尼亚州洛杉矶 Cedars-Sinai 医疗中心的影像创新主任。“我们在这项研究中的目标是调查18F-NaF PET 和 CT 血管造影提供的信息是否互补，是否可以通过使用人工智能技术改善心脏病发作的预测。”

近 300 名患有冠状动脉粥样硬化的患者参与了这项研究。所有患者都接受了基线临床评估，评估了他们的心血管危险因素概况。所有患者均接受混合冠状动脉18F-NaF PET 和造影剂 CT 冠状动脉造影。机器学习——一种人工智能——被用于通过结合临床评估的关键变量、18F-NaF PET 结果和定量 CT 变量来计算心脏病发作风险的联合评分。

机器学习模型在预测心脏病发作方面比单独使用临床数据有显着改善。这种方法表明18F-NaF PET 和 CT 血管造影是互补和相加的，两者的结合提供了最可靠的结果预测。

“18F-NaF PET 与 CT 血管造影术提供的解剖成像相结合，有可能通过指导使用先进的治疗干预措施来实现精准医学，”Slomka 指出。“我们的研究支持使用人工智能方法来整合多模态成像和临床数据，以稳健地预测心脏病发作。”