摘要

目的:基于冠状动脉CTA(CCTA)探讨通过人工智能技术获取罪犯斑块多参数特征对急性冠脉综合征(ACS)的诊断价值。方法:本研究共纳入65名ACS患者,根据侵入性冠脉造影(ICA)结果将斑块分为罪犯斑块组(n=65)和非罪犯斑块组(n=67),利用CCTA对冠脉血管进行分析,通过人工智能软件获得冠脉周围脂肪衰减指数(FAI)、基于CCTA血流储备分数(FFRct)及斑块定量参数,比较罪犯斑块与非罪犯斑块的差异性及罪犯斑块的影响因素。同时根据罪犯斑块组中的FFRct值进行分组,分为FFRct>0.8组(n=28),FFRct≤0.8组(n=37),比较其FFRct与斑块定量参数的相关性。结果:罪犯斑块与非罪犯斑块在FAI、FFRct、最狭窄处管腔面积(MLA)、重构指数(RI)及钙化斑块负荷存在差异性(P均<0.05)。FAI、FFRct、RI、MLA是罪犯斑块的主要影响因素(P值分别为0.002、0.002、0.004、0.025),FAI、FFRct、MLA、RI及4个指标联合诊断模型诊断罪犯斑块的ROC曲线显示,联合诊断模型的曲线下面积最大(AUC=0.792),提示其诊断效能最佳。罪犯斑块组中,FFRct≤0.8组和FFRct>0.8组的斑块长度、RI、纤维斑块体积、脂质斑块体积、钙化斑块体积以及总斑块体积差异具有统计学意义(P值分别为0.009、0.029、0.001、0.001、0.015、0.001)。罪犯斑块的血流动力学异常(即FFR≤0.8组中)与斑块长度(r=-0.370,P=0.024)、总斑块体积(r=-0.328,P=0.047)、纤维斑块体积(r=-0.374,P=0.023)之间存在负相关性。结论:冠脉CTA通过人工智能识别罪犯斑块多参数特征与FFRct、FAI联合后,联合指标对ACS患者的诊断价值要优于其他单一指标。

  • 单位
    中国医科大学附属第一医院

全文