冠状動脈の画像特徴量から患者レベルのCAD-RADSスコアリング

科学分野:

• 心血管画像診断
• 画像特徴量
• 機械学習

背景:

• 患者ごとの冠状動脈疾患報告およびデータシステム（CAD-RADS）スコアを冠状動脈の画像特徴量データから合成することは困難です。; 冠状動脈CT血管造影（CCTA）は、心臓評価に不可欠な広範な多断面再構成（MPR）画像を生成します。

研究 の 目的:

• 単一の患者レベルCAD-RADSスコアを導出するために、冠状動脈の画像特徴量を要約するための4つの異なる戦略を開発および評価すること。; 自動CAD-RADS分類における統計ベースのアプローチと多数決アプローチのパフォーマンスを比較すること。

主な方法:

• CCTAを受けた238人の患者の2779のMPR画像から画像特徴量を抽出しました。; CAD-RADSスコアリングのために勾配ブースティング分類器を用いたカスケードパイプラインを開発しました。; 患者レベルのスコアリングのために、2つの統計的（平均、最小、最大、標準偏差）および2つの多数決（MV_P、MV_C）方法を実装しました。; 5分割交差検証を用いた80％-20％のトレーニング/テスト分割を利用しました。

主要な成果:

• 多数決アプローチは、CAD-RADSスコアリングにおいて統計ベースの方法よりも優れた性能を発揮しました。; MV_Pアプローチは、様々なCAD-RADSカテゴリ（例：CAD-RADS 0で0.94、CAD-RADS 2で0.97）で高いAUCを達成しました。; MV_Cアプローチも強力なパフォーマンスを示し、特にCAD-RADS 3で0.96、CAD-RADS 4で0.98など、高いCAD-RADSグレードで顕著でした。

結論:

• 多数決戦略、特にMV_Pは、患者ごとのCAD-RADSスコアリングの自動化のための堅牢で再現可能な方法を提供します。; この研究は、臨床応用のための信頼性の高い冠状動脈画像特徴量ツールのための重要なステップを表します。; 提案された方法は、臨床現場でのCAD-RADS評価の自動化の可能性を高めます。