CT冠脉成像斑块定量分析结合机器学习算法预测冠心病心肌缺血的价值

作者：司东雷; 李静; 李文洪; 董丽娟; 王玮娜; 郑志峰; 赵梦鸥; 王书行

来源：临床和实验医学杂志, 2021, 20(19): 2116-2120.

• 冠心病
• CT冠脉成像
• 斑块定量分析
• 心肌缺血
• 机器学习

目的探讨基于CT冠脉成像斑块定量分析应用不同的机器学习算法预测冠心病心肌缺血的价值。方法采用回顾性分析法,选择2016年2月至2019年12月在石家庄市第三医院收治并经冠状动脉造影明确诊断为冠心病的103例患者为研究对象。根据血流储备分数检查(FFR)将患者分为缺血组(FFR≤8.0) 29例和非缺血组(FFR> 8.0)74例,分别对两组患者CT冠脉成像检查,应用半自动斑块分析软件对斑块进行定量分析。在斑块定量分析的基础上,采用机器学习算法(Logistic回归、神经网络、支持向量机和随机森林)预测冠心病患者发生心肌缺血的价值。结果缺血组患者斑块总体积(TPV)、钙化斑块体积(CPV)、脂质斑块体积(LPV)、斑块总体积负荷(TPB)、脂质斑块体积负荷(LPB)和餐巾环征(NRS)分布均高于非缺血组,差异均有统计学意义(P <0.05)。Logistic回归、神经网络、支持向量机和随机森林的曲线下面积(AUC)分别为0.745(0.678～0.813)、0.929(0.896～0.962)、0.763 (0.697～0.829)和0.964(0.943～0.985),随机森林的AUC高于其他3种算法(P <0.001);此外,随机森林的准确度、敏感度和特异度亦高于其他3种算法。结论基于CT冠脉成像斑块定量分析,随机森林算法可能有助于诊断冠心病患者是否发生心肌缺血。

• 单位
  邯郸市第二医院; 石家庄市第三医院