European Radiology:基于CT的人工智能冠状动脉钙化评分模型的应用

2022-11-21 shaosai MedSci原创

冠状动脉钙化(CAC)评分是衡量冠状动脉内动脉粥样硬化斑块负荷的替代指标,可以预测CAD事件的发生。

冠状动脉疾病(CAD)是世界范围内人群死亡和残疾的主要原因,给医疗支出带来了巨大的负担。因此早期识别无症状的心血管高危人群对于优化预防性药物治疗(如他汀类药物)的使用非常重要。冠状动脉钙(CAC)评分是衡量冠状动脉内动脉粥样硬化斑块负荷替代指标,可以预测CAD事件的发生

目前,CAC是由放射技师利用CT图像的轴位层面进行手动评估,然后使用市面上的半自动软件进行量化。CAC通常采用Agatston方法进行量化,该方法考虑钙化斑块面积和单个钙化病变的最大密度,但不考虑位置和分布模式。Agatston评分可根据得分分为心血管风险类别:0(无CAC)1-10(最小CAC)11-100(轻度CAC)101-400(中度CAC)以及>400(严重CAC)。CAC评分尽管简单明了,但却增加了成本,对于大规模的研究来说十分耗时且不切实际。

现阶段临床上已经引入了基于机器学习和深度学习方法使用心脏CT评估CAC的自动化模型。全自动化评分方法的一个挑战是如何区分真正的CAC和周围结构的钙化,如二尖瓣环、心脏瓣膜和主动脉的钙化。

近日,发表在European Radiology杂志的一项研究开发并评估了一种新型的基于人工智能(AI)全自动模型,该模型可利用心脏CT对CAC进行自动识别和量化,为临床增加了时间效率并降低了成本。

本研究在2439张心脏CT扫描图像上开发和训练了用于自动CAC评分的完全卷积神经网络,并使用771张扫描进行验证。该模型在一组独立的1849张心脏CT扫描片上进行了测试。Agatston CAC评分被进一步分为五个风险类别(0、1-10、11-100、101-400和>400)。并使用自动得分与人工参考标准(3级专家读者)进行了比较。 
在用于模型测试的1849次扫描中(平均年龄55.7±10.5岁,49%为男性),自动模型在867次(47%)扫描中检测到了CAC的存在,而人工阅读者为815次(44%)(P = 0.09)。模型的CAC得分与人工得分有很强的相关性(Spearman's r = 0.90,95%置信区间[CI] 0.89-0.91,p < 0.001;类内相关系数 = 0.98,95% CI 0.98-0.99,p < 0.001)。该模型将1646人(89%)归入与人工相同的风险类别。Bland-Altman分析显示差异不大(1.69,95%的协议范围:-41.22,44.60),而且几乎有很好的协议(Cohen's κ = 0.90,95% CI 0.88-0.91,p < 0.001)。模型分析时间为13.1±3.2秒/扫描。 


 检测到钙化的示例。成功检测到的冠状动脉钙化见于(A)左主冠状动脉、(B)左前降支冠状动脉、(C)左环状冠状动脉、(D)右冠状动脉。在(E)主动脉根部和(F)二尖瓣环中成功检测到不会对钙质评分有贡献的钙化

本研究表明,本研究所提出的基于人工智能的全自动心脏CT评分模型是一项快速识别钙化的技术,与目前的人工CAC评分方法相比,显示出较高的准确性。

原文出处:

Abdul Rahman Ihdayhid,Nick S R Lan,Michelle Williams,et al.Evaluation of an artificial intelligence coronary artery calcium scoring model from computed tomography.DOI:10.1007/s00330-022-09028-3

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

Meta公司发布ESMFold,两周完成6亿+宏基因组蛋白质结构图谱

今年8月,谷歌旗下的英国DeepMind公司借助AlphaFold2模型,公布了大约 2.2 亿种蛋白质的预测结构,它几乎涵盖了 DNA 数据库中已知生物体的所有蛋白质。AlphaFold是曾开发出A

European Radiology:基于AI的颅脑CT运动伪影校正

最近,人工智能(AI)在医学成像领域表现出了卓越的临床价值及前景,有助于病灶分割、疾病检测、图像重建和运动伪影校正。

Nature:人工智能AI预测癌症起源,改善复杂转移性癌症的诊断

该AI模型能够减少需要进行的辅助检查次数,减少额外组织采样,降低患者诊断所需总时间,能够加速诊断和后续治疗。

Nat Mach Intell:人工智能(AI)准确预测人类对新药的反应,未来替代动物实验?

名为CODE-AE的新模型可以筛选新型类药化合物,准确预测对人体的疗效。在测试中,它还能够在理论上为超过9000名患者确定能够更好地治疗他们病情的个性化药物。科学家们预计该技术将大大加速药物发现和精准

European Radiology:如何又好又多的减少主动脉CT血管成像的造影剂用量?

工智能(AI)因其在重建CT图像方面的潜力而备受关注,已被应用于病变分类、结构分割、病变检测和风险预测等多个方面。

European Radiology:人工智能优化的ACR TI-RADS在诊断甲状腺结节方面的价值

2009年,Horvath等学者提出了最初的甲状腺成像报告和数据系统(TI-RADS)用于甲状腺结节的分级。目前,由美国放射学会(ACR)发布的最新版TI-RADS被广泛应用于甲状腺成像和管理。