University of Freiburg

冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量，而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数（FAI）的深度学习流程，该评分与造影版FAI预后表现相当，并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。

冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量，而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数（FAI）的深度学习流程，该评分与造影版FAI预后表现相当，并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。

该工作分析时间抽象作为缓解前向-后向（FB）表示中频谱失配的机制，通过刻画转移算子的谱性质，表明时间抽象类似低通滤波器抑制高频谱分量，从而降低诱导后继表示的有效秩，同时保持值函数误差的形式化界，并在实验中显示这种对齐是高折扣因子下稳定 FB 学习的关键因素。

该工作分析时间抽象作为缓解前向-后向（FB）表示中频谱失配的机制，通过刻画转移算子的谱性质，表明时间抽象类似低通滤波器抑制高频谱分量，从而降低诱导后继表示的有效秩，同时保持值函数误差的形式化界，并在实验中显示这种对齐是高折扣因子下稳定 FB 学习的关键因素。

该研究开发并多读者评估了 AI-RADS——一个用于在病例层面评估放射学 AI 输出可靠性、临床实用性与建议处置的结构化框架，5 名委员会认证放射科医师独立评估了 7 个代表性 AI 应用处理的 350 例病例，每例赋予 5 个 AI-RADS 类别之一、适用修饰符及独立正确性评级作为参照，结果显示图像类任务的核心类别读者间一致性为 Krippendorff's α=0.87（95% CI: 0.83-0.91），生成式 AI 任务为 α=0.93（95% CI: 0.91-0.95），读者判定的正确性与提示可整合入临床工作流的类别 1 至 2 吻合良好，被评为“错误”的输出主要归入需要覆盖或从显示中移除的类别 4 至 5。

该研究开发并多读者评估了 AI-RADS——一个用于在病例层面评估放射学 AI 输出可靠性、临床实用性与建议处置的结构化框架，5 名委员会认证放射科医师独立评估了 7 个代表性 AI 应用处理的 350 例病例，每例赋予 5 个 AI-RADS 类别之一、适用修饰符及独立正确性评级作为参照，结果显示图像类任务的核心类别读者间一致性为 Krippendorff's α=0.87（95% CI: 0.83-0.91），生成式 AI 任务为 α=0.93（95% CI: 0.91-0.95），读者判定的正确性与提示可整合入临床工作流的类别 1 至 2 吻合良好，被评为“错误”的输出主要归入需要覆盖或从显示中移除的类别 4 至 5。