使用机器学习的定量冠状动脉CT血管成像对损伤特异性缺血的综合预测:一项多中心研究

目的对于是否可以通过有创血流储备分数(FFR)预测的病变特异性缺血,旨在通过冠状动脉CT血管成像(CTA)定量斑块测量的综合机器学习(ML)缺血危险评分实现预测。方法在一项254例病人的多中心试验中,进行了CTA和有创性冠状动脉造影,对484根血管计算FFR。CTA数据集采用半自动软件进行分析,以量化狭窄和非钙化(NCP),低密度NCP(LD-NCP,30 HU),钙化和总斑块体积,对比度密度差(CDD,单位面积的最大管腔差异密度)和斑块长度。综合ML包括自动特征选择和从定量CTA与增强型集成算法和十倍分层交叉验证建模。结果 80例病人的100个血管中经FFR(FFR≤0.80)发现局部缺血。CDD(0.172)、LDNCP(0.125)、NCP(0.097)和总斑块体积(0.092)的预测缺血的信息最高。ML比单个CTA测量显示出更高的曲线下面积(0.84),包括狭窄(0.76)、LD-NCP体积(0.77)、总斑块体积(0.74)和预测冠状动脉疾病(CAD)可能性(0.63);P0.006。结论综合ML缺血危险评分能够改善有创性FFR、过度狭窄、斑块测量和CAD检测前可能性对病变特异性缺血的预测。