基于人工智能测量的冠状动脉钙化积分与CT-FFR及斑块特征的相关性
杨旭东
黄心怡
石士奎
蚌埠医科大学第一附属医院放射科,安徽 蚌埠 233004
摘要：目的 采用冠状动脉CT血管成像联合数坤科技智慧平台(AI)分析冠状动脉钙化积分(CACS)与无创血流储备分数(CT-FFR)及斑块特征的相关性.方法 根据AI测量的CACS数值,将2021年1月～2022年12月于蚌埠医科大学第一附属医院行冠状动脉CT血管成像检查的208例患者分为低度钙化组(n=73,0分<CACS<100分)、中度钙化组(n=64,100分≤CACS≤400分)和高度钙化组(n=71,CACS>400分).比较各组一般临床资料及AI测量下的犯罪血管及犯罪斑块的特征参数,并分析特征参数与CACS组别的相关性,通过绘制ROC曲线计算曲线下面积(AUC)评估单一指标及联合指标对两个组别(低度钙化组-中度钙化组、中度钙化组-高度钙化组)的诊断效能.结果 AI测量下,CT-FFR、斑块长度、斑块体积、最小管腔面积(MLA)在不同CACS组的差异均有统计学意义(P<0.05),斑块类型在低度钙化组-中度钙化组间差异有统计学意义(P<0.05),在中度钙化组-高度钙化组的差异无统计学意义(P>0.05).多因素Logistic回归分析显示,年龄、CT-FFR、斑块体积、MLA是更高CACS组的危险因素,斑块体积与CACS严重程度呈正相关(r=0.437,P<0.001),CT-FFR、MLA与其呈负相关(r=-0.640,-0.658,P<0.001).ROC曲线显示,在低钙化积分组-中钙化积分组,CT-FFR、斑块体积、MLA及联合指标的AUC值分别为0.731、0.678、0.748、0.824;在中钙化积分组-高钙化积分组,CT-FFR、斑块体积、MLA及联合指标的AUC值分别0.741、0.670、0.746、0.840.CT-FFR、斑块体积、MLA三个联合指标在两个组别的诊断效能均大于单一指标.结论 AI测量下,CT-FFR、斑块体积、MLA在不同CACS组均有显著差异,是更高CACS组的危险因素,CT-FFR、MLA在不同CACS组均表现出良好的诊断效能,CT-FFR、斑块体积、MLA联合时诊断效能明显提高.
关键词：人工智能冠状动脉钙化积分无创血流储备分数斑块特征
论文发表日期：2024-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 844-850 )
英文信息