编辑推荐：
为探究普通人群计算机断层扫描（CT）心脏体积与健康体检数据的关系，研究人员开展相关研究。他们利用深度学习模型量化心脏体积，发现脉搏率与心脏体积呈强负相关，还证实 AI 辅助 CT 大数据研究可行，为心血管研究提供新思路。
本研究回顾性分析了 2013 年和 2018 年的健康体检数据与计算机断层扫描（CT）图像。研究人员首先借助公开的深度学习模型 TotalSegmentator 对心脏体积进行量化。从数据集中随机选取 30 张图像，由放射科医生标注，并通过 Dice 评分评估分割精度。
随后，研究人员计算了 58 个数值项目的斯皮尔曼偏相关系数（Spearman’s partial correlation），对 13 个分类项目进行协方差分析（analysis of covariance），同时校正了性别、用药情况、身高、体重、腹围和年龄的影响。将分析中具有显著意义的变量纳入纵向分析。
在数据集里，7993 条记录符合横断面分析要求，1306 名个体符合纵向分析标准。研究发现，脉搏率与心脏体积呈最强的负相关（斯皮尔曼相关系数在 - 0.29 至 - 0.33 之间）。脉搏率每增加 10 次 / 分钟（bpm），心胸比大约降低 0.5 个百分点。血红蛋白、血细胞比容、总蛋白、白蛋白和胆碱酯酶也呈现出较弱的负相关。为期 5 年的纵向分析进一步证实了这些研究结果。
综上所述，该研究表明，在 CT 检查中，脉搏率是影响心脏体积的最主要协变量，而非血压等其他心血管相关变量。同时，研究也展示了人工智能辅助 CT 大数据驱动研究的可行性和实用性。
