基于冠状动脉CT血管成像的深度学习模型对冠心病的诊断性能

作者：耿冀; 常玉莲; 张滨^*; 王思雯; 张番栋

来源：中国医学影像学杂志, 2023, 31(07): 706-712.

• 冠状动脉疾病
• 深度学习
• 冠状动脉造影
• 体层摄影术,X线计算机

目的 探讨基于冠状动脉CT血管成像的深度学习(DL)模型评估冠心病管腔狭窄的诊断性能。资料与方法 回顾性分析2014年7月—2020年7月北京大学首钢医院89例疑似冠心病患者的冠状动脉CT血管成像资料，采用侵入性冠状动脉造影作为参考标准，评价DL模型对冠心病管腔狭窄的诊断性能。管腔直径狭窄≥50%认为是梗阻性冠状动脉狭窄，并在斑块类型、斑块长度、斑块累及血管水平，应用受试者工作特征曲线下面积(AUC)比较DL模型和医师的诊断效能，同时计算敏感度、特异度、阳性预测值、阴性预测值和准确度。结果 DL模型诊断阻塞性冠状动脉狭窄的AUC为0.92，敏感度为86.2%，特异度为87.6%，阳性预测值为66.37%，阴性预测值为95.71%，准确度为87.28%。在斑块类型水平，DL模型对混合型斑块所致管腔狭窄的敏感度最高(100%)，对非钙化斑块所致管腔狭窄的特异度最高(88.9%)，对非钙化斑块所致管腔狭窄的整体诊断效能最优，准确度为89.43%,AUC为0.94。在斑块长度水平，DL模型对局限性斑块与节段性斑块所致管腔狭窄的诊断效能接近，AUC分别为0.91和0.95。在斑块累及血管水平，DL模型对左主干、右冠状动脉、前降支、回旋支及分支血管的管腔狭窄诊断AUC分别为1.00、0.96、0.90、0.90和0.92。DL模型对不同长度斑块所致管腔狭窄的诊断性能差异有统计学意义(χ2=8.43,P=0.01)，对不同类型斑块所致管腔狭窄的诊断性能差异无统计学意义(χ2=0.77,P=0.68)，对不同累及血管管腔狭窄的诊断性能差异无统计学意义(χ2=9.43,P=0.05)。对于非钙化斑块、混合斑块及节段性斑块所致管腔狭窄，DL模型的诊断性能高于医师，差异有统计学意义(Z=2.53、2.52、2.49,P=0.01)。结论 基于冠状动脉CT血管成像的DL模型诊断冠心病具有较高的准确性，是诊断冠心病的可靠辅助工具。

• 单位
  北京大学首钢医院