基于人工智能识别薄盖纤维肌瘤和临床结果:PECTUS-AI研究

科学领域:

• 心脏病学
• 医学成像
• 人工智能

背景情况:

• 冠状动脉薄盖纤维肌瘤 (TCFA) 与心血管不良结果有关.
• 使用光学连贯断层扫描 (OCT) 手动识别TCFA是耗时的,需要专门的专业知识.
• 开发用于TCFA检测的自动化方法对于有效的风险评估至关重要.

研究的目的:

• 评估人工智能 (AI) 算法在心肌梗塞患者中识别TCFA的实用性.
• 评估AI识别的TCFA与随后的不良临床结果之间的关联.
• 将基于人工智能的TCFA检测与传统手动分析的预后价值进行比较.

主要方法:

• 在PECTUS- AI研究中,分析了438名心肌梗塞患者的OCT图像.
• AI-TCFA (OCT-AID算法) 和核心实验室 (CL-TCFA) 在非罪祸首的病变中确定了TCFA.
• 主要结局是2年死亡,心肌梗塞或再血管.

主要成果:

• 在34. 5%的患者中,AI-TCFA发现了TCFA,而CL-TCFA则为30. 0%.
• 目标病变中的AI-TCFA与主要结果显著相关 (HR1. 99,P=. 04).
• 对完整细分的AI-TCFA评估显示,与高负预测值 (97. 6%) 的不良结果的关联性更强 (HR5. 50;P<. 001).

结论:

• 基于人工智能的OCT图像分析提供了一种标准化的方法来识别高风险心血管事件的患者.
• 人工智能为手动TCFA识别提供了可行的替代方案,提高了效率和一致性.
• 与单独的目标病变分析相比,使用人工智能评估完整的成像片段可以提高预后差别.