Trefwoorden: deep learning, cardiovasculaire beeldvorming, risicovoorspelling

"Deep learning in cardiovascular imaging using A1 to improve risk predictions and optimize clinical workflows"

Hart- en vaatziekten zijn de meest voorkomende vermijdbare doodsoorzaak, verantwoordelijk voor maximaal 45% van de sterfte in Europa en 31% in de Verenigde Staten. Dit promotieonderzoek richtte zich op het ontwikkelen van robuuste en efficiënte deep learning systemen toegepast op radiologische data om cardiovasculaire risicovoorspellingen te verbeteren. Dit onderzoek werd uitgevoerd in samenwerking met experts van de Harvard Medical School, Dana-Farber Cancer Institute, Massachusetts General Brigham en Maastricht University. Dit deep learning-systeem was in staat om het cardiale risico uit computertomografiescans automatisch te voorspellen, even goed als medische experts en in sommige scenario's zelfs beter dan de menselijke prestaties. De analyses waren gericht op toepasbaarheid in de echte wereld, generalisatie en robuustheid. Daarom werden zeer grote, verschillende en goed gevestigde datasets gebruikt om de prestaties van de ontwikkelde systemen te valideren. Bovendien werden alle code en getrainde deep learning modellen zonder beperkingen publiekelijk beschikbaar gemaakt. Samenvattend, het gepresenteerde onderzoek toonde het potentieel van deep learning om medisch onderzoek en klinische behandeling te automatiseren en te verbeteren en staat op het punt om toegepast te worden in de dagelijkse klinische routines.

Klik hier voor de live stream.