人工智能在冠狀動脈CT血管造影分析中超越人類讀者
概述：
基於人工智能（AI）的冠狀動脈CT血管造影評估在檢測冠狀動脈疾病患者的狹窄方面，超越了人類讀者的視覺評估，並顯示出與定量冠狀動脈造影參考標準的優越一致性。
方法論：
研究者對2012年1月至2014年10月在荷蘭進行的PACIFIC-1研究進行了事後分析，以比較視覺評估和基於AI的冠狀動脈CT血管造影評估的準確性。他們納入了208名患者（平均年齡58歲；37%為女性；中位總斑塊體積218 mm³），這些患者均為穩定的新發胸痛並懷疑有冠狀動脈疾病，接受了冠狀動脈CT血管造影。血管造影的視覺評估由一名具有超過5年工作經驗的三級讀者（放射科醫生）和兩名二級讀者（心臟病學訓練生）進行。AI評估則使用專有的動脈粥樣硬化影像定量CT（AI-QCT）軟件進行。兩種評估的診斷準確性通過每位患者和每條血管的曲線下面積（AUC）分析進行比較，以侵入性定量冠狀動脈造影作為參考標準。
重點：
基於AI的冠狀動脈CT血管造影評估在每位患者的層面上檢測≥50%狹窄的表現優於三級讀者（AUC為0.91對比0.77）和二級讀者（讀者1的AUC為0.91對比0.79，讀者2的AUC為0.91對比0.76）。在斑塊體積高於中位數的患者中，基於AI的評估表現尤為突出，超越了三級讀者（AUC為0.88對比0.77；P = .015）及兩名二級讀者（AUC均為0.88對比0.72；P = .007 和 P = .004）。在每條血管的層面上，基於AI的評估檢測≥50%狹窄的表現與三級讀者的視覺評估相當，但優於二級讀者的視覺評估（AUC為0.69；兩者P < .001）。基於AI的評估與參考標準的一致性顯著優於三級或二級讀者的視覺評估。
實踐中的應用：
“在日常臨床實踐中實施AI-QCT可能會提高冠狀動脈CT血管造影評估的可重複性和可靠性，減少不必要的後續檢測，同時增強醫生的信心，”作者表示。
限制：
這項研究是在單一中心進行，樣本量相對較小。由於運動或伪影，一些冠狀血管未經臨床讀者評估狹窄的情況。段落參與和狹窄的得分未提供。此外，這些解釋對治療選擇或後續檢測的臨床影響並未進行探討。
披露：
這項研究得到了歐洲動脈粥樣硬化學會和心臟基金會的支持，並使用了來自Cleerly（丹佛，科羅拉多）的AI-QCT軟件服務。三位作者報告了接受來自基金會、製藥公司及其他來源（包括Cleerly）的資助，另外一位作者報告為Lipid Tools的共同創辦人，兩位作者為Cleerly的員工。
這項研究的結果突顯了人工智能在醫療影像領域的潛力，尤其是在冠狀動脈疾病的檢測中。隨著AI技術的不斷進步，我們可能會看到其在醫學診斷中的應用越來越普遍，這不僅能提高診斷的準確性，也能減少醫療資源的浪費。未來的研究可以進一步探討AI在不同醫療環境中的應用效果，以及如何克服目前研究中提到的限制，從而實現更廣泛的臨床應用。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
