开发和验证基于人工智能的算法,用于预测旋转动脉切除术所产生的细分,使用血管内超声图像

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
• 干预心脏病学 干预心脏病学

背景情况:

• 严重化的冠状动脉病变对穿皮冠状动脉干预构成挑战.
• 旋转性切除术 (RA) 用于去除这些病变,但精确识别受治疗区域至关重要.
• 血管内超声波 (IVUS) 提供了冠状动脉的详细横截面成像.

研究的目的:

• 开发和评估一种基于人工智能的算法,用于使用RA前IVUS图像预测RA的区域.
• 为了评估算法的准确性在识别 debulked 分段.
• 提供一种工具,帮助干预心脏病学家管理复杂的冠状动脉病变.

主要方法:

• 从60名接受IVUS引导RA的患者中收集了2106个IVUS截面的数据集.
• 在RA之前和之后的IVUS图像被合并,并标记了脱的细分方向.
• 使用这些图像开发了一个基于ResNet (深度残留学习) 的AI模型.

主要成果:

• 人工智能模型在预测脱地区方面实现了75%的平均准确性.
• 具体的性能指标包括81%的灵敏度,72%的特异性,46%的积极预测值和90%的负预测值.
• 该算法证明了从手术前成像中可靠地预测RA治疗区域.

结论:

• 人工智能算法只使用RA前IVUS图像准确地预测RA的区域.
• 这项技术可以帮助干预性心脏病学家规划严重化冠状动脉病变的治疗策略.
• 人工智能驱动的图像分析提供了一个有希望的方法来提高干预心脏病手术的精度.