冠状动脉斑块化的自动化人工智能映射:与手动血管内图像分析的比较

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
• 干预心脏病学 干预心脏病学

背景情况:

• 血管内成像,如光学连贯性断层扫描 (OCT),对于改善皮肤穿冠状动脉干预 (PCI) 期间的结果至关重要.
• 准确,快速地解读OCT图像对于有效的PCI指导至关重要.
• 需要对来自OCT的冠状动脉进行自动分析,以提高临床工作流程.

研究的目的:

• 开发和验证一种新的人工智能 (AI) 软件算法,用于使用血管内OCT图像自动评估冠状动脉化.
• 为了比较人工智能算法的性能与OCT衍生的冠状动脉的手动专家分析.
• 评估AI模型能够量化临床相关的化斑块特征的能力.

主要方法:

• 一个深度神经网络 (类似UNet的架构) 被开发和训练在专家注释的血管内OCT pullbacks.
• 人工智能模型在以前未见过的OCT图像的独立数据集上得到了验证.
• 使用诸如曲线下的面积 (AUC),诊断准确度和评分的相关系数等指标来评估性能.

主要成果:

• 人工智能模型在识别化斑块方面取得了高性能,在内部验证中AUC为0.96和诊断准确率为73.3%.
• 外部验证表明,在识别化斑块时,诊断准确率为74.8%.
• 人工智能模型与专家评估对计算的OCT分数 (ρ = 0.84) 强烈一致.

结论:

• 一个自动化的AI软件算法提供了一种快速有效的方法,用于在OCT图像中全面地绘制冠状动脉.
• 人工智能工具显示出在改善临床实践中冠状动脉的检测和评估方面的巨大潜力.
• 预计人工智能算法的进一步开发和改进将提高其指导PCI程序的能力.