冠動脈血管図におけるシーケンスコントラスティヴ・ラーニングを用いて,急性冠動脈症候群の病原性を特定する
Xiaozhi Ma1, Yusaku Shibata2, Osamu Kurihara2
1School of Information, Kochi University of Technology, Kami 782-8502, Kochi, Japan.
この研究は,冠動脈血管図のみを用いて,急性冠動脈症候群 (ACS) のプラーク破裂とプラーク侵食を区別するためのSequence Contrastive Learning (SeqCon) を導入する. この人工知能のアプローチは 侵襲的なイメージングなしで 治療決定を導くのに 有望です
科学分野:
- 心臓病科
- 人工知能
- 医療用イメージング
背景:
- 急性冠動脈症候群 (ACS) の診断は,プラーク破裂 (PR) とプラーク侵食 (PE) のような基礎的なメカニズムを特定することに依存しています.
- PRとPEを区別することは,治療の調整に不可欠であり,PRは通常ステントで管理され,PEは潜在的に保守的に管理されます.
- 現在の方法はしばしば侵襲的な冠内イメージングを必要とし,非侵襲的な診断ツールが必要になります.
研究 の 目的:
- 冠動脈血管図 (CAG) のみを用いてPRとPEを区別するためのSequence Contrastive Learning (SeqCon) というニューラルネットワークモデルを開発し評価する.
- ACSの病原性をCAG分析によって非侵襲的に診断する可能性を評価する.
主な方法:
- 278人のACS患者 (172人のPR,106人のPE) の842本のビデオを使用し,光学一貫性トモグラフィー (OCT) によって基底の真実が確認されました.
- 連続したビデオフレームから機能学習を向上させるための新しい対比学習アプローチであるSeqConを開発しました.
- 18人のPRと11人のPE患者の外部テストセットでモデルを検証した.
主要な成果:
- SeqConは,患者のレベルでの高い性能を達成した: 82. 8%の精度, 88. 9%の感度, 72. 3%の特異性, 84. 2%の陽性予測値, 80. 0%の陰性予測値.
- CAGデータのみを使用してPRとPEを効果的に区別するモデルの能力を実証しました.
- これはCAGによるACSメカニズムを診断するための対比学習の最初の応用です.
結論:
- 冠動脈血管図はSeqConのような高度なAIで分析され,ACSではプラークの破裂とプラークの侵食を区別することができます.
- この非侵襲的なアプローチは,臨床管理の決定を導く可能性があり,より侵襲的な診断手順の必要性を減らす可能性があります.
さらに関連する動画
18:11A Research Method For Detecting Transient Myocardial Ischemia In Patients With Suspected Acute Coronary Syndrome Using Continuous ST-segment Analysis
Published on: December 28, 2012
06:39Novel Percutaneous Approach for Deployment of 3D Printed Coronary Stenosis Implants in Swine Models of Ischemic Heart Disease
Published on: February 18, 2020
関連する概念動画
Acute Coronary Syndrome III: Diagnostic Studies
Acute Coronary Syndrome II: Pathophysiology and Clinical Manifestations
Acute Coronary Syndrome I: Introduction
Imaging Studies for Cardiovascular System V: CT
Coronary Artery Disease II: Pathophysiology
Coronary Artery Disease I: Introduction
