法國的一個小組訓(xùn)練了一個深度學(xué)習(xí)模型，該模型可以自動檢測來自大型醫(yī)院數(shù)據(jù)集的锝-99m(Tc-99m)全身閃爍成像的心臟放射性示蹤劑攝取。亞眠大學(xué)醫(yī)院的主要作者Marc-Antoine Delbarre博士和他的同事們寫道，該模型表現(xiàn)良好，也許可以用于識別每年數(shù)千名未確診的患者。

該小組寫道:“在核醫(yī)學(xué)中心使用我們的自動心臟固定檢測模型可能有助于在數(shù)十萬已經(jīng)或正在接受[全身閃爍掃描術(shù)]的患者中發(fā)現(xiàn)未診斷的心臟淀粉樣變性。”

心臟淀粉樣變性是一組由淀粉樣纖維在心肌中進行性沉積引起的蛋白質(zhì)異常折疊障礙，可導(dǎo)致心力衰竭進而死亡。由于非特異性的心臟癥狀，患者常常會延誤診斷。

骨閃爍掃描通常用于診斷骨腫瘤，然而在身體其他區(qū)域的掃描中使用的锝-99m(Tc-99m)放射性示蹤劑的攝取可能表明與其他疾病相關(guān)的病理。研究人員解釋說，心臟淀粉樣變性就是這種情況。

在這項研究中，作者假設(shè)可以開發(fā)一種深度學(xué)習(xí)模型，在Tc-99m全身閃爍掃描圖像的數(shù)據(jù)集中搜索顯著的心臟放射性示蹤劑攝取，以幫助識別未診斷的患者。

高亮顯示的區(qū)域?qū)矸e層的正向預(yù)測貢獻最大。對于Perugini 2、3和假陽性圖像，心臟區(qū)域被清楚地突出顯示。每個圖像為陽性的預(yù)測概率顯示在圖像的頂部。右邊是概率標度。圖片和說明由JACC通過CC 4.0進行心血管成像。

該小組使用標準Perugini分級系統(tǒng)訓(xùn)練了一個深度學(xué)習(xí)模型，通過心肌示蹤劑攝取來識別疾病，該系統(tǒng)基于圖像的視覺評分從0級(陰性)到3級(強陽性)。訓(xùn)練數(shù)據(jù)集由3048張圖像，281張陽性(≥Perugini 2)和2767張陰性，病例來自克雷泰爾的亨利蒙多爾大學(xué)醫(yī)院。

然后，研究人員在里爾大學(xué)醫(yī)院的外部數(shù)據(jù)集上測試了該模型，該數(shù)據(jù)集由1633張圖像組成，其中102張為陽性，1531張為陰性。

作者報告稱，根據(jù)分析，在兩個數(shù)據(jù)集中，模型的性能保持不變，準確率為99.3%，特異性為99.5%。

按Perugini分級的AI預(yù)測陽性病例平均率

該研究小組寫道：“檢測模型在全身閃爍掃描中識別心臟攝取[等于或大于] Perugini 2的患者是有效的，并可能有助于診斷心臟淀粉樣變性患者。”

然而，作者指出，需要進一步的研究，特別是考慮到這是第一個表明AI可能有效檢測Perugini級等于或大于2的心臟淀粉樣變攝取的模型。他們還寫道，心肌中Tc-99m放射性示蹤劑的攝取可能揭示其他情況。

該小組總結(jié)道：“根據(jù)目前的建議，只有將檢測到的顯著的心臟攝取進行嚴格的評估，區(qū)分其屬于淀粉樣變相關(guān)或是非淀粉樣變相關(guān)的攝取，才能得出[心臟淀粉樣變]的診斷。