影像学中的人工智能在冠状动脉疾病个体化管理中的应用

影像学的精准度以及其他风险评估和诊断方法的数量不断增长，使得能够采纳更多个体化治疗策略。个体化医疗有望根据每位患者的易感性或遗传构成提供更充分的治疗，从而带来更佳的临床结局。除了提高效率外，与此类诊疗相关的费用还可以显著降低。采用人工智能 (AI) 可为设计个体化治疗方案提供有效助力。近年来，深度学习和机器学习技术取得了重要进展。诸如卷积神经网络 (CNNs) 等技术的进步使得图像、数值数据和视频数据的自动分析成为可能，在构建预测模型方面提供了极高的效率。AI 在医学中的应用数量持续增长，且这些技术的有效性已在冠状动脉计算机断层扫描血管造影 (CCTA)、光学相干断层扫描 (OCT) 等多种技术中得到证实。此外，AI 模型可能有助于直接优化高风险冠状动脉疾病 (CAD) 患者的治疗方案。训练良好的 AI 与个体化治疗路径设计的结合可推动医疗保健水平的提升。然而，现有的局限性（例如尚未调整的指南，或缺乏评估 AI 真实准确性的随机临床试验）可能会导致自动化方法在实际应用中的推广受到延迟。本综述批判性地评估了可能有助于临床医生指导个体化患者管理的已开发工具，以及该领域的当前试验。