通过人工智能从普通血管学中对中间冠状动脉狭窄的非侵入性生理评估:STARFLOW系统

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 分流储备 (FFR) 和即时无波比 (iFR) 改善了患者的治疗结果,但未得到充分利用.
• 经济和后勤方面的挑战限制了FFR和iFR的临床采用.
• 需要新的方法来提高这些诊断工具的可访问性.

研究的目的:

• 开发基于人工智能 (AI) 的应用程序来计算FFR和iFR.
• 为了利用标准冠状动脉血管学 (CA) 图像进行FFR和iFR计算.
• 评估AI模型在预测FFR和iFR值方面的准确性.

主要方法:

• 开发了一个多任务深度学习网络.
• 人工智能模型从标准CA分析了冠状动脉的两个投影.
• 该模型对FFR和iFR的预测准确度,灵敏度和特异性在5个中心的389名患者中进行了评估.

主要成果:

• 人工智能模型在预测FFR/iFR方面表现出高整体准确度 (87.3%).
• 总体预测的灵敏度为82.4%,特异性为92.2%.
• 具体的子组分析显示,FFR (84.8%) 和iFR (90.2%) 预测的准确性很高.

结论:

• 一个基于机器学习的工具可以准确地预测基于线路的FFR和iFR.
• 这种人工智能应用在克服FFR/iFR利用临床障碍方面显得有前途.
• 该技术有可能在日常实践中增强FFR和iFR的应用.