【技术实现步骤摘要】
基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法
[0001]本专利技术属于生物医药领域,具体涉及基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法。
技术背景
[0002]在过去的30余年里,心血管疾病是导致全人类死亡的首要原因,而中国是主要的重灾区,心血管负担依旧是中国最迫切解决的健康问题。主要不良心血管事件(Major adverse cardiovascular events,MACEs)与心血管疾病死亡和预后密切相关,MACEs发生增加了心血管负担。因此,建立精准MACEs预测模型,是减轻心血管负担的重要措施之一。
[0003]目前临床针对传统心血管危险因素建立相关MACEs预测模型;然而,随着研究的深入,一些学者发现即使稳定地控制这些危险因素,仍有部分病人发生MACEs,这种情况被称为残余心血管风险。而近十年研究发现,冠脉钙化不仅是心血管疾病的危险因素,也是MACEs的预测因素,并且与残余心血管风险密切相关;此外,一些研究表明相较于传统危险因素,冠脉钙化更能预测心血管疾病/事件。在动脉粥样硬化多种族研究(MESA),等人通过结合冠脉钙化积分(Coronaryartery calcification score,CACS)构建了十年心血管风险的预测模型。美国和中国分别在2019和2020年将冠脉钙化纳入为一级预防的风险指标。因此,建立结合钙化指标的MACEs预测模型有望提高预测的精准性。
[0004]然而,一些学者从MESA等研究发现约三分之一MACEs发生在冠脉钙化积分为0的 ...
【技术保护点】
【技术特征摘要】
1.一种基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,其特征在于,所述方法包括以下步骤:S1收集接受过胸部平扫CT的病人临床资料数据和CT纵膈窗序列影像数据,所述影像数据为DICOM图像;S2对步骤S1的CT影像数据的一二级动脉进行分段,共10支;并采用Agatston积分计算10支动脉的钙化积分;胸部总动脉钙化积分为所述10支动脉钙化积分总和;S3通过MACEs预测的AUC值比较CTACS和CACS对MACEs预测的表现差异;S4对步骤S2的10支动脉进行分割,提取影像组学特征,通过LASSO回归分析筛选与MACEs发生相关的影像组学特征,并得到相应的影像组学积分计算公式;S5通过MACEs预测的AUC值比较影像组学积分与CTACS、CACS以及钙化年增长率对MACEs预测的表现差异;S6通过Spearman相关性分析、单因素和多因素Cox回归分析对影像组学积分和步骤S1收集的临床数据进行筛选,得到与MACEs发生相关的参数;S7基于步骤S6得到的特征,构建影像组学
‑
临床变量的复合预测模型,并进行模型评估。2.根据权利要求1所述的基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,其特征在于,所述步骤S1所述接受过胸部平扫CT的病人的纳入标准包括:接受至少2次胸部CT平扫的病人且间隔时间大于180天、收集的纵膈窗序列图像规格是3mm层厚和512*512像素矩阵;所述图像分析软件包括ITK
‑
SNAP和python 3.6.5平台。3.根据权利要求1所述的基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,其特征在于,步骤S1所述临床数据包括以下临床特征:年龄、性别、是否发生过MACEs、是否有心血管基础疾病、是否有脑血管基础疾病、是否有慢性肾脏病、是否有糖尿病、抽烟情况(有/无)、饮酒情况(有/无)、收缩压/舒张压、高血压等级、尿素氮、血清肌酐、脂蛋白a、甘油三酯、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、总胆固醇、血糖和血钙。4.根据权利要求1所述的基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,其特征在于,MACEs的定义包括心源性猝死、急性心力衰竭、急性心肌梗死、需要住院的不稳定型心绞痛、需要住院的恶性心律失常和卒中。5.根据权利要求1所述的基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,其特征在于,步骤S2所述的10支动脉包括主动脉弓、升主动脉、降主动脉、左锁骨下动脉、左颈总动脉、头臂干、右锁骨下动脉、右颈总动脉、冠状动脉和肺动脉干;所述的CTACS=Σ(AS
冠状动脉
+AS
升主动脉
+AS
主动脉弓
+AS
降主动脉
+AS
肺动脉干
+AS
头臂干
+AS
右颈总动脉
+AS
右锁骨下动脉
+AS
左颈总动脉
+AS
左锁骨下动脉
)。6.根据权利要求1所述的基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法,...
【专利技术属性】
技术研发人员:黄辉,朱永俊,王秋雨,韩峰,马祥园,陈洁,
申请(专利权)人:中山大学附属第八医院深圳福田,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。