人工智能赋能的超声心动图作为多模态主动脉瓣狭窄成像的替代指标：一项临床试验的事后分析

背景：准确的主动脉瓣狭窄（AS）表型分析需要多模态成像，而该技术的普及度有限。数字主动脉瓣狭窄严重程度指数（DASSi）是一种基于单切面二维超声心动图评估AS相关重构的人工智能生物标志物，可独立于多普勒测量预测AS进展。我们旨在评估DASSi界定个体化AS进展特征谱的能力，并验证其作为功能、结构和生物学AS严重程度多模态成像特征的可扩展替代方案的性能。方法：评估指标包括：(1) 正电子发射断层显像-计算机断层扫描（PET-CT）中的 [18F]氟化钠摄取；(2) 纵向疾病进展（主动脉瓣峰值流速和主动脉瓣钙化积分的绝对变化）；以及 (3) 新发主动脉瓣置换术。我们使用了调整风险因素和主动脉瓣面积的广义线性混合模型或Cox模型。结果：DASSi × 时间交互作用 P < 0.001），以及未来的主动脉瓣置换术（5.5年 [四分位距, 2.4-7.2年] 内发生75起事件，每增加1个SD的调整后危险比为1.42 [95% CI, 1.11-1.84]）。结论：DASSi与AS严重程度的功能、结构和生物学特征相关，并可预测疾病进展和不良预后。DASSi增强的超声心动图或可为多模态AS成像提供一种易于获取的替代方案，并可在临床试验中作为预测性富集生物标志物。注册信息：URL: https://www.clinicaltrials.gov；唯一标识符: NCT02132026。