基于深度学习的冠状动脉斑块的前景定量评估通过计算机断层扫描血管学与血管内超声相比:REVEALPLAQUE研究
Jagat Narula1, Thomas D Stuckey2, Gaku Nakazawa3
1Heart & Vascular Institute, McGovern Medical School, 1825 Pressler Street, SRB 205A, Houston, TX 77030, USA.
European heart journal. Cardiovascular Imaging
|May 3, 2024
概括
一个人工智能 (AI) 工具从冠状动脉计算机断层扫描血管学 (CCTA) 中准确量化冠状动脉样硬化. 这一人工智能分析显示,与血管内超声波 (IVUS) 强烈一致,用于评估斑块负担和心血管风险.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 冠状动脉计算机断层扫描血管学 (CCTA) 非侵入性评估冠状动脉狭窄和流动.
- 自动化的人工智能 (AI) 分析可以提高冠状动脉样硬化量化的精度.
- 患者特异性风险分层和管理策略从准确的斑块表征中受益.
研究的目的:
- 为了比较基于深度学习的自动化AI方法,在CCTA中对冠状动脉样硬化进行细分.
- 根据血管内超声波 (IVUS) 的参考标准验证AI方法.
主要方法:
- 一项涉及美国和日本15个中心的多中心国际研究.
- 包括已知冠状动脉疾病的临床稳定患者.
- 人工智能支持的斑块分析量化了CCTA的总斑块,化斑块和非化斑块体积,与IVUS相比.
主要成果:
- 与IVUS相比,CCTA的AI分析显示出强烈的相关性和高准确性.
- 总斑块体积,化斑块和非化斑块的相关系数高 (分别为0.91,0.91和0.87).
- 布兰德-阿尔特曼分析证实AI-CCTA和IVUS测量之间的强烈一致性和最小偏差.
结论:
- 人工智能支持的CCTA对动脉样硬化的量化显示出与IVUS的良好一致.
- 这种人工智能工具显示了对冠状动脉样硬化负担的准确评估的潜力.
- 该技术可能会改善心血管风险评估和患者管理.


