值得信赖的集成人工智能工具，用于预测高风险冠状动脉斑块 (AI-CORPS)

冠状动脉疾病（CAD）是导致死亡和残疾的主要原因之一。 识别心血管事件高风险患者至关重要。 然而，目前基于成像和已知生物标志物的风险分层并不理想。 该提案的目的是开发一个多标准决策模型，用于对易受伤害的动脉粥样硬化患者进行无创评估，并评估其预测疑似或已知 CAD 的中高风险患者发生不良事件的能力。 计划的工作流程包括第一步，使用接受临床指示冠状动脉造影（CCTA）的患者回顾性队列，开发基于机器学习、放射组学和计算分析的自动冠状动脉分割、定量斑块分析、生物力学和流体动力学的集成应用程序方法并根据每个工具的参考标准进行验证。 第二步将这种新方法应用于更大的回顾性患者队列，并整合基因组生物标志物评估，得出最准确的风险分层模型，以正确识别易受影响的患者和易受影响的斑块的结果。 最后，在第三步中，派生的预测模型将在正在进行的研究（CTP-PRO 研究）的独立患者队列中进行前瞻性验证，以评估所提出解决方案的稳健性和准确性。