人工智能驱动的冠状动脉计算机断层扫描对中间狭窄症的血管学评估:与定量冠状动脉血管学和分数流量储备的比较

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:

• 冠状动脉疾病的诊断依赖于侵入性方法,带来风险和成本.
• 准确评估中间冠状动脉病变对于指导治疗决策至关重要.
• 正在探索像CCTA这样的非侵入性成像模式,以改进狭窄的评估.

研究的目的:

• 为了比较人工智能驱动的CCTA分析 (AI-CCTA) 与侵入性冠状动脉血管学 (ICA) 和侵入性分数流量储备 (FFR) 的诊断性能.
• 评估AI-CCTA在量化中期病变冠状动脉狭窄的准确性.
• 评估AI-CCTA测量和定量冠状动脉血管学 (QCA) 之间的相关性.

主要方法:

• 一项回顾性研究,涉及195名有症状的患者,其中215名患有中级冠状动脉病变.
• 用AI-CCTA量化CCTA图像上的狭窄.
• 用ICA狭窄分级 (≥50%) 和侵入性FFR (≤0.80) 作为参考标准来评估诊断准确性. 人工智能驱动的直径狭窄与QCA和手动测量相关.

主要成果:

• AI-CCTA显示了71.7%的灵敏度,89.8%的特异性和0.81的AUC,用于检测≥50%的狭窄.
• 使用QCA和FFR对中间病变的诊断性能显示,中度AUC为0.63.
• 人工智能-CCTA与QCA (r=0.42) 呈现出适度的相关性,这优于手动量化 (r=0.26).

结论:

• 人工智能驱动的CCTA分析显示了评估冠状动脉狭窄的有希望的结果.
• 在中间冠状动脉狭窄病变中,AI-CCTA显示了与QCA的中等相关性.
• 人工智能-CCTA方法在与QCA测量相关性方面超过了手动评估.