机器学习对不同性质斑块致冠状动脉狭窄程度初步评估的价值

作     者：张禀评 梁洋洋 刘顺利 徐凤磊 钟鑫 李志明 ZHANG Bingping;LIANG Yangyang;LIU Shunli;XU Fenglei;ZHONG Xin;LI Zhiming

作者机构：青岛大学附属医院放射科山东青岛266003 北京深睿博联科技有限责任公司 

出 版 物：《精准医学杂志》 (Journal of Precision Medicine)

年 卷 期：2024年第39卷第2期

页      面：130-133页

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：山东省智能社会治理研究课题项目(2023GZSZ-107) 

主　　题：人工智能 机器学习 计算机体层摄影血管造影术 冠状动脉狭窄 斑块,动脉粥样硬化 

摘      要：目的探讨机器学习对不同性质斑块致冠状动脉狭窄程度初步评估的价值。方法选择2020年1月—2022年10月于我院行冠状动脉CT血管造影(CCTA)并在随后14 d内行冠状动脉造影(CAG)的患者80例,随机选取80例患者CCTA中103处冠状动脉狭窄位置,根据斑块性质分为钙化斑块组(38处)、非钙化斑块组(34处)和混合斑块组(31处)。分别采用主观评估(SA)法、后处理工作站测量(AW)法、人工智能(AI)法、人工与AI结合(Semi-AI)法评估各组斑块所致冠状动脉狭窄程度。以CAG结果为诊断冠状动脉狭窄程度的金标准,比较上述四种方法与金标准的符合率、低估率及高估率。结果四种方法中,AI法评估三种斑块的符合率、低估率、高估率与SA法比较均无显著差异(P0.0083)。在非钙化斑块和混合斑块的评估中,AI法的符合率显著高于AW法和Semi-AI法(χ^(2)=7.65~16.20,P0.05);在钙化斑块及混合斑块的评估中,Semi-AI法比其他三种方法的高估率显著降低(χ^(2)=8.77~23.62,P0.0083)。结论AI法在一定程度上可取代影像科医师对不同性质斑块所致冠状动脉狭窄程度的主观评估,对于冠脉狭窄的评估流程具有优化作用,Semi-AI法则可改善对各种性质斑块所致冠脉狭窄的高估的情况。但目前上述方法仅能对冠状动脉狭窄程度进行初步评估,均无法作为金标准取代CAG法。