重附二与数坤合作论文在EJR发表 在胸部CT中实现非门控钙化积分评估

发布于 2021/11/26 13:43 齐鲁在线网


近日,重庆医科大学附属第二医院方正教授团队利用数坤冠脉AI技术开展了针对这一问题的研究,研究论文“Performanceofartificialintelligence-basedcoronaryarterycalciumscoringinnon-gatedchestCT”,于2021年11月16日作为原创研究在线发表于《EuropeanJournalofRadiology》杂志(IF3.528)。在这项回顾性研究中,该团队从胸部CT数据中获得了基于AI的CACS,从心脏CT数据中获得了手动CACS,研究了两种方法之间的相关性,并以手动CACS为标准,确认了AI-CACS软件在胸部CT中区分风险类别的性能。

冠状动脉疾病(CAD)是全世界最常见的死亡原因,本病的早期诊断和及时治疗非常重要。冠状动脉钙化评分(CACS),也称为Agatston评分,是最常用的评估患者CAD负担的方法。CACS是动脉粥样硬化的标志物,它不仅与冠状动脉狭窄的严重程度有关,而且是重要的预后因素,也是心肌梗死和心源性猝死等心血管事件的强有力的独立预测因子。

临床上,可识别冠状动脉钙化的影像学方法主要有两种:心电图(ECG)门控非对比增强心脏计算机断层扫描(CT)和非门控胸部CT。传统上,CACS主要由放射科医生使用半自动软件在心脏CT上确定,其中包括手动识别和勾画冠状动脉钙化病变。这是目前在CT上量化冠状动脉钙化的标准和最广泛使用的方法。对于胸部CT,医院每天都会产生大量来自患者或健康检查的数据。在胸部CT上很容易发现或排除冠状动脉钙化,但放射科医师的诊断报告中并未常规提供有关CACS的可量化信息,因为获取这些信息需要专业知识、时间和专业设备。尽管如此,在胸部CT上获得CACS的定量信息具有重要的临床价值,即不会增加患者的辐射剂量或经济负担,又可作为确定CAD风险类别、实施预防CAD的方法以及为选择进一步检查方法提供依据。

近日,重庆医科大学附属第二医院方正教授团队利用数坤冠脉AI技术开展了针对这一问题的研究,研究论文“Performanceofartificialintelligence-basedcoronaryarterycalciumscoringinnon-gatedchestCT”,于2021年11月16日作为原创研究在线发表于《EuropeanJournalofRadiology》杂志(IF3.528)。在这项回顾性研究中,该团队从胸部CT数据中获得了基于AI的CACS,从心脏CT数据中获得了手动CACS,研究了两种方法之间的相关性,并以手动CACS为标准,确认了AI-CACS软件在胸部CT中区分风险类别的性能。

本研究纳入了重庆医科大学附属第二医院2018年11月至2021年1月期间,符合纳排标准的901名患者及其基线特征。手动CACS评估基于心脏CT数据,采用工作站(syngo.via 4.1版,西门子医疗;VitreaCore4.0版,东芝医疗系统;SmartScore4.0,GEHealthcare)进行分析。AI-CACS评估基于非门控胸部CT数据,采用AI-CACS软件(CACScoreDoc,数坤科技,北京)实现。散点图描绘了AI-CACS和手动CACS之间的相关性,Spearman相关系数(ρ=0.893)。Bland-Altman图显示了AI-CACS和手动CACS的偏差和95%的一致性限制。AI-CACS和手动CACS之间风险类别的一致性通过Kappa 分析进行评估,显示(κ)=0.679(p<0.001)。AI-CACS软件在不同厂家的三类ct机上确定的风险类别没有显著差异(p=0.7543)

散点图描绘了AI-CACS和手动CACS之间的相关性

胸部CT的AI-CACS(A1-A3)与心脏CT的手动CACS(B1-B3)。A1的CACS与B1的一致(88.06对89.0)。由于严重的运动伪影,A2的CACS低于B2(204.41对526.20)。由于二尖瓣钙化的错误识别,A3的CACS高于B3(255.32vs.5.40)。

尽管AI-CACS软件具有去除伪影的能力,但是由于运动伪影对胸部CT的干扰,或某些病灶的错误识别,AI-CACS和手动CACS仍然很难获得相等的值。可喜的是,AI-CACS软件在确定CAD的风险类别方面具有更大的临床应用价值,本研究的结果显示两种方法之间的风险类别一致性良好。

本文以传统的基于心脏CT数据的人工测量为标准,基于使用三类CT机获得的胸部CT数据,利用比较大的病例样本,研究了AI-CACS软件的风险分类性能,结果表明就风险类别而言,AI-CACS和手动CACS之间存在良好的相关性和一致性。在不增加辐射剂量和经济负担的情况下,基于胸部CT数据使用AI软件在短时间内获取CACS是可行的。AI-CACS软件算法具有良好的临床通用性,可应用于不同厂家的CT机。

J.Xu,J.Liu,N.Guo,L.Chen,W.Song,D.Guo,Y.Zhang,Z.Fang,Performanceofartificialintelligence-basedcoronaryarterycalciumscoringinnon-gatedchestCT,EuropeanJournalofRadiology(2021)。

【免责声明:本页面信息为第三方发布或内容转载,仅出于信息传递目的,其作者观点、内容描述及原创度、真实性、完整性、时效性本平台不作任何保证或承诺,涉及用药、治疗等问题需谨遵医嘱!请读者仅作参考,并自行核实相关内容。如有作品内容、知识产权或其它问题,请发邮件至suggest@fh21.com及时联系我们处理!】

一周热门

推荐阅读

热门标签