通过使用新的深度学习人工智能模型,从侵入性冠状动脉血管学中非侵入性推导即时自由波比,并与人类操作员的性能进行比较
Catarina Oliveira1, Marta Vilela2, João Silva Marques2,3
1Structural and Coronary Heart Disease Unit, Cardiovascular Center of the University of Lisbon (CCUL@RISE), Faculdade de Medicina, Universidade de Lisboa, Serviço de Cardiologia, Avenida Professor Egas Moniz, Lisboa, 1649-028, Portugal. catarinasdeoliveira@gmail.com.
非侵入性冠状动脉血管学 (CAG) 的人工智能 (AI) 模型可以分类即时无波比 (iFR) 病变,显示出有助于心脏病学家的潜力. 在从CAG图像分类iFR病变方面,人工智能性能略高于人类专家.
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:
- 侵袭性冠状动脉生理学评估由于风险和成本而未得到充分利用.
- 人工智能 (AI) 为使用冠状动脉血管学 (CAG) 的非侵入性冠状动脉生理评估提供了一个潜在的途径.
- 从CAG对AI进行瞬时无波比 (iFR) 分类的探索是有限的.
研究的目的:
- 开发和评估来自CAG的二进制iFR损伤分类的AI模型.
- 将人工智能模型的性能与经验丰富的干预心脏病学家进行比较.
主要方法:
- 一项回顾性研究,涉及接受CAG和iFR的患者.
- 开发三种人工智能模型,包括卷积神经网络 (CNN) 和变压器,用于病变分类.
- 使用十倍交叉验证的验证,并与三位心脏病专家的手册分类进行比较.
主要成果:
- 人工智能模型的整体准确率为72%,负预测值 (NPV) 为90%.
- 人工智能显示,围 (Cx) /右冠状动脉 (RCA) 病变的高NPV (96-98%).
- 在分类左前垂下动脉病变方面,人工智能显著优于心脏病学家 (78%对比60-64%).
结论:
- 人工智能模型可以从CAG执行二进制iFR损伤分类,其性能与人类专家相当,在某些情况下甚至超过.
- 这些发现支持进一步验证AI用于非侵入性冠状动脉生理学评估.
- 人工智能有望提高冠状动脉生理评估的可访问性和准确性.
更多相关视频
06:18Intravascular Ultrasound Image-Based Finite Element Modeling Approach for Quantifying In Vivo Mechanical Properties of Human Coronary Artery
Published on: December 6, 2024
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023