人工智能工具可以预测流向心脏的血液减少
![Flow chart of machine learning workflow. A machine learning (ML) model for the prediction of vessel-specific ischemia was built, trained, and tuned in the NXT trial (Analysis of Coronary Blood Flow using CT Angiography: Next Steps). The model’s predictive performance was evaluated in the PACIFIC trial (Prospective Comparison of Cardiac Positron Emission Tomography [PET]/Computed Tomography [CT]‚ Single Photon Emission Computed Tomography [SPECT]/CT Perfusion Imaging and CT Coronary Angiography with Invasive Coronary Angiography) as an unseen independent test set. The same ML model was then applied for the discrimination of impaired hyperemic MBF by PET in the PACIFIC dataset. CCTA indicates coronary computed tomography angiography; FFR, fractional flow reserve; and MBF, myocardial blood flow. Credit: <i>Circulation: Cardiovascular Imaging</i> (2022). DOI: 10.1161/CIRCIMAGING.122.014369 人工智能工具可以预测流向心脏的血液减少](https://scx1.b-cdn.net/csz/news/800a/2022/ai-tool-predicts-reduc.jpg)
西达斯-西奈医院的研究人员及其同事开发了一种人工智能(AI)工具,该工具使用计算机断层扫描(CT)扫描来识别有心脏血流量减少风险的患者。该工具能够准确预测冠状动脉和心肌内的血流减少。
这种人工智能工具的优势在于,它可以在常规的患者就诊时进行CT扫描,以帮助医生确定治疗计划的下一步。该团队的研究已经发表在杂志上循环:心血管影像学.
冠状动脉的阻塞通常是由于脂肪斑块的积累造成的。这可能会限制血液流向心脏,导致胸部疼痛心脏病,甚至死亡。确定哪些动脉有血流量减少的风险,可以帮助医生了解哪些患者应该转到后续检查或置入支架。
目前诊断冠状动脉血流减少的临床标准称为有创血流储备分数(FFR)。它测量动脉内的压力下降,从而计算出每个堵塞对血液流动的限制程度。同时,心脏正电子发射断层扫描(PET)是一种成像测试使用放射性示踪剂检查血液流动是否减少心肌.
研究人员分析了203名患者的数据,这些患者曾参加过此前一项名为PACIFIC试验的研究。作为太平洋试验的一部分,所有患者在两周的间隔内都进行了多次检查,包括冠状动脉CT扫描、FFR有创冠状动脉造影和心脏PET扫描。研究人员开发了一种人工智能工具,可以分析冠状动脉CT扫描上的斑块特征,然后预测斑块减少的可能性血液流动有创FFR和PET扫描
根据作者的说法,这个AI工具可以合并到冠状动脉CT扫描的常规分析中。在病人就诊时手头有这些信息可以帮助医生知道哪些病人需要进一步的检查,如非侵入性压力测试或侵入性冠状动脉造影。对于一些患者来说,这意味着要避免侵入性检查。
冠状动脉CT血管造影是胸痛的一线检查,因为它可以让我们测量动脉粥样硬化斑块生物医学成像研究所定量图像分析实验室主任、西达斯-西奈医学院生物医学科学与医学教授、该研究的通讯作者达米尼·戴伊博士说。“如果我们可以将CTA斑块数据与狭窄结合AI来预测FFR受损,我们就可以正确地对患者进行风险分层,从而认识到狭窄的功能意义。”