Rapid technological advances in non-invasive imaging, coupled with the availability of large data sets and the expansion of computational models and power, have revolutionized the role of imaging in medicine. Non-invasive imaging is the pillar of modern cardiovascular diagnostics, with modalities such as cardiac computed tomography (CT) now recognized as first-line options for cardiovascular risk stratification and the assessment of stable or even unstable patients. To date, cardiovascular imaging has lagged behind other fields, such as oncology, in the clinical translational of artificial intelligence (AI)-based approaches. We hereby review the current status of AI in non-invasive cardiovascular imaging, using cardiac CT as a running example of how novel machine learning (ML)-based radiomic approaches can improve clinical care. The integration of ML, deep learning, and radiomic methods has revealed direct links between tissue imaging phenotyping and tissue biology, with important clinical implications. More specifically, we discuss the current evidence, strengths, limitations, and future directions for AI in cardiac imaging and CT, as well as lessons that can be learned from other areas. Finally, we propose a scientific framework in order to ensure the clinical and scientific validity of future studies in this novel, yet highly promising field. Still in its infancy, AI-based cardiovascular imaging has a lot to offer to both the patients and their doctors as it catalyzes the transition towards a more precise phenotyping of cardiovascular disease.

中文翻译：

---

医学成像中的人工智能：心血管疾病精确表型的放射学指南。

无创成像技术的快速进步，加上大数据集的可用性以及计算模型和能力的扩展，彻底改变了成像在医学中的作用。无创成像是现代心血管诊断的支柱，心脏计算机断层扫描 (CT) 等方法现在被认为是心血管风险分层和评估稳定甚至不稳定患者的一线选择。迄今为止，心血管成像在基于人工智能 (AI) 的方法的临床转化方面已经落后于其他领域，例如肿瘤学。我们在此回顾人工智能在非侵入性心血管成像中的现状，使用心脏 CT 作为基于机器学习 (ML) 的新型放射组学方法如何改善临床护理的运行示例。ML、深度学习和放射组学方法的整合揭示了组织成像表型和组织生物学之间的直接联系，具有重要的临床意义。更具体地说，我们讨论了人工智能在心脏成像和 CT 中的当前证据、优势、局限性和未来方向，以及可以从其他领域吸取的经验教训。最后，我们提出了一个科学框架，以确保在这个新的但非常有前途的领域中未来研究的临床和科学有效性。仍处于起步阶段，基于人工智能的心血管成像可以为患者和他们的医生提供很多帮助，因为它促进了向更精确的心血管疾病表型的转变。具有重要的临床意义。更具体地说，我们讨论了人工智能在心脏成像和 CT 中的当前证据、优势、局限性和未来方向，以及可以从其他领域吸取的经验教训。最后，我们提出了一个科学框架，以确保在这个新的但非常有前途的领域中未来研究的临床和科学有效性。仍处于起步阶段，基于人工智能的心血管成像可以为患者和他们的医生提供很多帮助，因为它促进了向更精确的心血管疾病表型的转变。具有重要的临床意义。更具体地说，我们讨论了人工智能在心脏成像和 CT 中的当前证据、优势、局限性和未来方向，以及可以从其他领域吸取的经验教训。最后，我们提出了一个科学框架，以确保在这个新的但非常有前途的领域中未来研究的临床和科学有效性。仍处于起步阶段，基于人工智能的心血管成像可以为患者和他们的医生提供很多帮助，因为它促进了向更精确的心血管疾病表型的转变。我们提出了一个科学框架，以确保在这个新颖但极具前景的领域中未来研究的临床和科学有效性。仍处于起步阶段，基于人工智能的心血管成像可以为患者和他们的医生提供很多帮助，因为它促进了向更精确的心血管疾病表型的转变。我们提出了一个科学框架，以确保在这个新颖但极具前景的领域中未来研究的临床和科学有效性。仍处于起步阶段，基于人工智能的心血管成像可以为患者和他们的医生提供很多帮助，因为它促进了向更精确的心血管疾病表型的转变。