机器学习用于多血管冠状动脉疾病预测在心电图上 门式单光子发射计算机断层扫描

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 严重的多血管冠状动脉疾病 (svMVD) 诊断是具有挑战性的SPECT由于平衡性缺血.
• 电心电图为svMVD的SPECT的预测值需要增强.

研究的目的:

• 为了评估电心电图带入的SPECT用于预测svMVD.
• 通过机器学习 (ML) 模型改进 svMVD 预测.

主要方法:

• 335名患者接受了腺压力导入的SPECT和冠状动脉血管学.
• 使用统计和ML方法开发了预测模型.
• 关键预测因素包括糖尿病,总压力评分 (SSS) 和左心室末性失调 (MDSV).

主要成果:

• 与单独的SSS和MDSV相比,ML模型,特别是额外的树木分类器和光梯度增强机,实现了更高的AUC值 (0.826-0.870).
• 关于压力和糖尿病的MDSV被确定为ML模型中具有高度特征重要性的显著预测因素.
• 通过ML增强的SPECT,改善了svMVD和糖尿病的诊断性能.

结论:

• 机器学习显著提高了SPECT对svMVD的诊断性能.
• 左心室异步参数对于基于ML的svMVD预测至关重要.
• ML集成为诊断复杂冠状动脉疾病提供了一个有希望的方法.