以人工智能为基础的方法,从血管内光学一致性断层扫描成像中表征斑块组件:集成到临床决策支持系统中

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 医学图像分析 医学图像分析

背景情况:

• 血管内光相干断层扫描 (IVOCT) 提供了详细的冠状动脉斑块表征,但由于手动评估的挑战,临床采用有限.
• 手动斑块分析是耗时的,容易出错的,并且受到观察者之间的高变化影响,阻碍了其常规的临床应用.
• 人工智能 (AI) 正在整合,以自动化和提高冠状动脉疾病IVOCT图像分析的精度.

研究的目的:

• 为基于人工智能的分析冠状动脉IVOCT图像的方法提供全面的概述,重点关注斑块表征.
• 探索AI在IVOCT中的临床转化,强调目前用于斑块表征的AI驱动工具.
• 确定AI在IVOCT中的局限性和未来方向,以加强临床决策.

主要方法:

• 基于人工智能的技术审查,包括机器学习和深度学习 (例如卷积神经网络),应用于IVOCT图像分析.
• 专注于冠状动脉动脉硬化斑块的自动特征提取和分类.
• 探索商用或临床预期的AI驱动的IVOCT分析工具.

主要成果:

• 人工智能,特别是深度学习,在分类斑块类型和自动化从IVOCT图像中提取特征方面表现强.
• 一些人工智能驱动的工具正在出现用于斑块表征,旨在提高效率和可重复性.
• 当前的人工智能解决方案在可评估斑块特征的范围上有局限性,并且通常仅限于特定的监管或研究环境.

结论:

• 人工智能集成具有显著的潜力,可以将IVOCT从研究工具转变为冠状动脉疾病的临床决策辅助工具.
• 进一步的进步,验证和与临床系统的无集成对于人工智能驱动的IVOCT分析的广泛采用至关重要.
• 基于人工智能的增强IVOCT分析可以改善斑块表征,支持临床决策,并推进心血管风险预测.