一个新型的人工智能软件的性能,该软件开发用于从诊断血管图中得出冠状动脉分流储备值
Eyal Ben-Assa1,2, Amjad Abu Salman3, Carlos Cafri3
1Cardiology Division, Assuta Ashdod University Hospital, Ben-Gurion University of the Negev, Ashdod, Israel.
Coronary artery disease
|October 19, 2023
概括
人工智能衍生的分量流量储备 (AI-FFR) 准确评估冠状动脉疾病,匹配侵入性测量. 这种非侵入性AI-FFR方法提供了高诊断性能和速度,有助于临床决策.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 导向重血管化时,建议进行侵袭性分量流量储备 (FFR) 测量,但未得到充分利用.
- 一个使用人工智能 (AI) 算法的新型非侵入性软件现在可以从诊断血管图中推导出FFR值.
研究的目的:
- 评估AI-FFR与侵袭性FFR相比在现实环境中的准确性和诊断性能.
- 评估AI-FFR计算的速度和可重复性.
主要方法:
- 一项回顾性,三中心的研究比较了AI-FFR值与侵入性压力线衍生FFR.
- 分析了297名接受诊断血管造影的患者304个血管的数据.
- 计算了包括准确性,敏感性和特异性在内的诊断性能指标.
主要成果:
- 与侵袭性FFR (0.85对0.86) 相比,AI-FFR显示的平均差异为-0.005.
- AI-FFR表现出高的诊断性能:91%的灵敏度,95%的特异性,94%的整体准确度,AUC为0.93.
- AI-FFR的计算时间很快 (37.5±7.4秒),在病变定位上具有很高的准确性 (89%).
结论:
- AI-FFR是一种基于人工智能的血管衍生方法,表现出与侵入性FFR相比的出色诊断性能.
- AI-FFR方法快速且高度可复制,为评估冠状动脉疾病提供了一个有前途的非侵入性替代方案.
