以人工智能为基础的双心室静脉缩和静脉缩体积,喷射分数使用非对比性心电图电脑断层扫描

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:

• 排泄分数 (EF) 和末缩体积 (ESV) 是心血管疾病的关键预后标志物.
• 心脏MRI提供了准确的评估,但成本受限.
• 通常用于冠状动脉疾病查的非对比心脏CT (NCCT) 可能提供额外的心脏功能信息.

研究的目的:

• 评估AI衍生的心室体积和NCCT的EF的准确性.
• 将NCCT衍生的指标与对比心脏CT (CCT) 和MRI进行比较.
• 评估NCCT作为心室功能障碍查工具的潜力.

主要方法:

• 一个经过验证的AI算法应用于205名患者的低剂量NCCT图像.
• 分析了回顾性和前性队列.
• 在NCCT,CCT和MRI之间比较了右心室 (RV) 和左心室 (LV) 的体积和EF.

主要成果:

• 在LVEDV (r=0.91),LVESV (r=0.84),RVEDV (r=0.82) 和RVESV (r=0.85) 方面,NCCT与CCT显示出强烈的相关性.
• NCCT预测LVEF<40%,预测值为98%的负值,准确率为87%.
• 与MRI的相关性对于LVEDV (r=0.97) 和LVESV (r=0.97) 也很强.

结论:

• 从NCCT获得的AI衍生的心室体积与CCT和MRI显示中度至强度的相关性.
• 从NCCT获得的射出分数往往被低估.
• 来自NCCT的EF显示出作为查工具的潜力,以排除显著的心室功能障碍.