冠状动脉生理即时无波比 (iFR) 来自使用人工智能深度学习模型的X射线血管学:一个试点研究
Miguel Nobre Menezes1, João Lourenço Silva2, Beatriz Silva1
1Structural and Coronary Heart Disease Unit, Cardiovascular Center of the University of Lisbon (CCUL@RISE), Faculdade de Medicina, Universidade de Lisboa, Lisbon, Portugal; Serviço de Cardiologia, Departamento de Coração e Vasos, CHULN Hospital de Santa Maria, Lisbon, Portugal.
The Journal of invasive cardiology
|March 5, 2024
概括
人工智能 (AI) 模型被开发用于从冠状动脉血管学 (CAG) 图像中估计即时无波比 (iFR). 这些模型显示,由于它们的高负预测值,可能有望减少侵入性手术.
科学领域:
- 心血管医学 心血管医学
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 冠状动脉生理学评估传统上依赖于侵入性方法.
- 目前的冠状动脉血管学 (CAG) 衍生的生生理学方法经常使用流体动力学算法.
- 对冠状动脉生理学的人工智能 (AI) 方法尚未得到充分探索.
研究的目的:
- 从CAG图像中开发和评估AI模型来估计即时无波比 (iFR).
- 探索冠状动脉生理学传统计算流体动力学算法的替代方案.
- 评估AI在简化和增加冠状动脉生理学评估使用方面的可行性.
主要方法:
- 开发了三种不同的AI模型,以基于iFR值 (≤0.89正,>0.89负) 来分类冠状动脉病变.
- 经过训练和测试的模型使用连续患者的数据,这些患者接受了侵入性iFR测量.
- 将AI模型的预测与真实的iFR测量进行比较,以评估性能指标.
主要成果:
- 开发了三种人工智能模型,其中模型3显示出最好的整体性能 (精度69%,NPV 88%,PPV 44%).
- 性能因冠状动脉而异;例如,模型显示右冠状动脉的高精度和NPV,但所有血管的PPV都很低.
- 灵敏度和特异性也各不相同,特定的模型在某些容器中表现出色 (例如,LAD灵敏度的模型2和RCA特异性的模型1).
结论:
- 人工智能模型已成功开发用于从CAG图像进行二进制iFR估计.
- 这些模型的高负预测值 (NPV) 表明有可能避免不必要的侵入性手术.
- 这项研究为冠状动脉生理学中的AI提供了概念证明,保证了进一步的研究和开发.
