主动脉疾病中的人工智能：从影像学到个性化医疗

《Heart Failure Clinics》：Artificial Intelligence in Aortic Disease: From Imaging to Personalized Medicine

　　

章节摘要

关键点

• •
  变革性的分析能力：人工智能（AI）通过快速分析多模态数据集，克服了传统方法的局限性，揭示了主动脉疾病的潜在模式。
• •
  成像与诊断的精准性：AI 模型在自动化主动脉分割和诊断检测方面取得了高性能，对于主动脉急性夹层等疾病，其表现匹敌甚至超越传统解读方法。
• •
  个体化风险分层：AI 正在转变主动脉疾病的管理方式

人工智能在主动脉成像和诊断中的应用

AI 的进展通过提高诊断准确性和启用复杂多模态数据的整合，增强了主动脉评估。以下章节回顾了 AI 在主动脉成像和诊断应用中最相关的发展。

主动脉疾病的人工智能风险分层模型

在主动脉疾病中，使用 AI 进行风险分层需要整合异质数据（如临床变量、遗传信息、血流动力学参数和成像衍生特征），以建模疾病进展和不良事件的复杂非线性决定因素。从计算角度来看，数据整合主要有三种方法。

• •
  早期整合（特征级）：来自不同来源的数据被合并为单一的高维

个性化医学中的临床实施和工作流整合

个性化医学是一种根据个人的临床、遗传和生物学特征调整预防、诊断和治疗的方法，AI 通过整合和分析复杂数据来支持更精准、更个体化的决策（图 3 和图 4）。

CDSS 是帮助临床医生评估不同临床情景并选择最适当管理策略的软件工具。它们依赖两个主要元素：知识库和分析

总结

AI 在主动脉疾病中的未来在于整合多模态数据，以实现精准风险分层和个性化管理。新兴的 AI 框架越来越多地结合先进的成像表型、与 HTAD 相关的基因组和转录组谱以及来自 EHR 的详细临床数据。这种多层次模型能够捕获动脉瘤生长、夹层风险和术后结果背后的复杂非线性相互作用，超越

临床护理要点

• •
  自动化精准性：利用人工智能驱动的分割技术（例如 U-Net 架构）实现主动脉管腔和血管壁的高度精确 3D 测量。
• •
  AAS 中的快速分诊：在新兴场景中部署 AI 检测算法；这些工具对急性主动脉综合征显示出超过 90% 的敏感性，显著缩短了危及生命的夹层疾病的诊断时间。
• •
  多模态整合：超越简单的直径测量，整合 组学

声明

作者没有其他需要声明的事项。

Andreina Carbone|Eduardo Bossone|Hani Al-Sergani|Mohammed Alkasab|Filippo Geraci