Front Cardiovasc Med：新型人工智能工具或能通过测定机体心脏周围的脂肪水平来预测个体患糖尿病的风险

2021年7月10日 讯 /生物谷BIOON/ --心周脂肪（PAT，Pericardial adipose tissue）或许是机体心血管疾病的一个新型的风险标志物，然而由于缺乏快速的无辐射PAT定量方法，因此目前科学家们无法开展对大样本的检查。近日，一篇发表在国际杂志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”的研究报告中，来自伦敦大学玛丽皇后学院等机构的科学家们通过研究开发了一种新型的人工智能工具（AI），其或能从MRI扫描图像中自动测定心脏周围的脂肪含量。

图片来源：https://www.frontiersin.org/articles/10.3389/fcvm.2021.677574/full

利用这种新型工具，研究人员就发现，心脏周围的脂肪量越大，个体患糖尿病的可能性就越大，而这与个体的年龄、性别和BMI无关。脂肪在机体中的分布会影响一个人患多种疾病的风险，常用的BMI衡量指标大多能反映皮肤下的脂肪堆积情况，而并非是机体内部内脏周围的脂肪情况。尤其是有些研究人员认为，心脏周围脂肪的积累可能是心脏病的预测因素，且与一系列疾病发生直接相关，包括心房颤动、糖尿病和冠状动脉疾病等。

研究者Zahra Raisi-Estabragh说道，不幸的是，手动测定心脏周围脂肪的水平对于我们而言极具挑战性，而且非常耗时。基于这个原因，到目前为止，还没有科学家能在大规模的人群中来彻底研究这一问题。为了解决这个问题，本文中，研究人员开发了新型AI工具，其能应用于标准的心脏MRI扫描中，并能在三秒内自动快速获取心脏周围脂肪的测定结果；该工具还能被研究人员未来用于发现更多心脏周围脂肪与疾病风险之间的关联，同时还有可能未来作为病人在医院进行标准护理的一部分内容。

本研究中使用的模型体系结构的概况。

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

文章中，研究人员还测试了人工智能算法解读超过4.5万人的心脏MRI图像的能力，包括来自英国生物样本库的参与者等，该样本库是一个来自英国各地超过50万名参与者的健康信息数据库；研究者发现，这种新型AI工具能准确地确定这些图像中心脏周围的脂肪水平或脂肪量，同时还能计算出病人患糖尿病的风险。研究者Andrew Bard补充道，这种AI工具还包括一个计算自身结果不确定性的内置方法，所以我们可以说其拥有一种令人印象深刻的能力来标记其“家庭作业”。

这种新型工具对于未来研究具有很大的意义和实用性，如果其临床实用性得到验证和证实的话，未来新型AI工具或有望用于临床实践来改善患者的护理；此外，本文研究工作也突出了医学研究中跨学科领域合作的价值，尤其是在心血管成像研究领域。综上，本文研究中研究人烟提出了一种新型的全自动CMR PAT定量方法，其在独立和外部数据库中拥有良好的模型性能，且与参考标准CCT PAT测定高度相关，并能预测与糖尿病的临床关联。（生物谷Bioon.com）

原始出处：

Andrew Bard1, Zahra Raisi-Estabragh, Maddalena Ardissino, et al. Automated Quality-Controlled Cardiovascular Magnetic Resonance Pericardial Fat Quantification Using a Convolutional Neural Network in the UK Biobank, Frontiers in Cardiovascular Medicine (2021). DOI:10.3389/fcvm.2021.677574