定量性斑块表征,心脏周周脂肪衰减指数和分量流量储备:在病例对照研究中,一种新的方法来区分稳定和不稳定的胸痛

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对于预防心血管事件至关重要.
• 冠状动脉计算机断层扫描血管学 (CCTA) 提供了解剖学数据,但与斑块亚型分化和炎症评估扎.
• 分流储备与计算机断层扫描 (FFR-CT) 提供了一个混合解剖生理方法,当与CCTA结合.

研究的目的:

• 为了提高对稳定与不稳定的心痛的识别.
• 为了利用量的斑块特征,脂肪衰减指数 (FAI) 和FFR-CT.
• 使用人工智能 (AI) 辅助的冠状动脉诊断系统.

主要方法:

• 一项回顾性病例控制研究,涉及215名稳定和202名不稳定性胸痛患者.
• 倾向性得分匹配以尽量减少临床基线数据偏差.
• 二元逻辑回归用于识别不稳定的心痛风险因素和ROC曲线分析以诊断有效性.

主要成果:

• 不稳定的胸痛患者表现出更大的心血管FAI体积和脂质成分,较少的化,较低的FFR-CT和较小的光线面积.
• 不稳定性心痛的独立风险因素包括FAI>-82 HU和斑块内脂质>1.2%.
• 组合模型 (FFR-CT,斑块特征,FAI) 实现了比单个指数更高的AUC (0.698),用于区分心痛类型.

结论:

• 人工智能辅助系统提供了新的方法来区分稳定性和不稳定性胸痛.
• 增加的FAI和内脂质百分比与增加不稳定性心痛风险有关.
• 这些发现可以为诊断和管理心痛的临床决策提供信息.