冠動脈CT血管造影におけるニューラルネットワークを用いた冠動脈プラークの自動セグメンテーション

科学分野:

• 心臓病学
• 放射線学
• 人工知能

背景:

• 冠動脈CT血管造影（CCTA）における正確な冠動脈プラーク検出は、冠動脈疾患（CAD）の診断に不可欠です。
• 現在の方法では、読影者のワークロードと読影者間変動に課題があり、タイムリーな診断を制限しています。

研究 の 目的:

• CCTAスキャンにおける冠動脈プラークの自動セグメンテーションと検出のための機械学習（ML）モデルの有効性を評価すること。
• プラーク、血管、および検査レベルでのMLモデルのパフォーマンスを評価すること。

主な方法:

• 1,642人の患者のCCTAスキャンを対象とした後向き解析。
• 自動プラークセグメンテーションのためにnnU-Net 3Dフル解像度アーキテクチャを利用しました。
• モデルハイパーパラメータを最適化し、トレーニングには5倍交差検証を使用しました。

主要な成果:

• MLモデルはプラークレベルで84.8%の感度と82.3%の精度を達成しました（中央値ダイス係数：0.88）。
• 血管レベルのパフォーマンスは、94.7%の感度と84.9%の特異度を含みました。
• 検査レベルの感度は97.4%に達し、特異度は79.7%で、有意なCADの除外において強力な可能性を示しました。

結論:

• MLモデルは、特に中程度から大きな冠動脈プラークの検出において、CCTAにおける有望な結果を示しています。
• このモデルは高い陰性予測値を提供し、放射線科のワークフローを合理化する可能性があります。
• 今後の研究では、小さなプラークの検出における課題に対処し、アーチファクトに対する堅牢性を向上させる予定です。