从人工智能辅助血管学评估辐射壁应变:可行性和与OCT作为参考标准的协议

科学领域:

• 心血管成像 - 心血管成像
• 生物机械分析 生物机械分析
• 人工智能在医学中的应用

背景情况:

• 冠状动脉中高压力区域表明斑块脆弱性,并预测不良心血管事件.
• 人工智能 (AI) 能够从冠状动脉血管学 (RWS_Angio) 中计算辐射壁应变.
• 具有有限元分析 (FEA) 的光学连贯性断层扫描 (OCT) 是RWS (RWS_OCT) 的确立参考.

研究的目的:

• 评估RWS_Angio和RWS_OCT之间的协议.
• 评估使用人工智能用于从血管造影计算RWS的可行性.
• 为了比较RWS_Angio与RWS_OCT分析的效率.

主要方法:

• 来自前一项研究的OCT数据与冠状动脉血管学一起被注册.
• 使用基于心脏周期期间相对光线变形的AI计算RWS_Angio.
• RWS_OCT是使用OCT截面上的FEA衍生出来的,与RWS_Angio定义相匹配.

主要成果:

• RWS_Angio与RWS_OCT有很强的相关性和一致性 (r=0.91,林系数=0.85).
• 与健康人群相比,动脉样硬化部分的RWS_Angio显著更高 (12.6%对4.5%).
• 对RWS_Angio的观察者内部和观察者间变异性很高 (ICC 0.92和0.88). 对RWS_Angio的分析时间显著减少 (0.9分钟对RWS_OCT的95.0分钟).

结论:

• 辐射壁应变可以通过使用人工智能从冠状动脉血管学快速计算.
• RWS_Angio显示与参考标准RWS_OCT非常一致.
• 这种新的方法为大量人群提供了潜在的成本效益高的生物力学评估.