冠状动脉CT造影的深度学习对冠心病的诊断价值

目的:评价人工智能(AI)在冠状动脉CT血管造影(CCTA)对冠心病的诊断价值.方法:对2020年6月至12月,先后行CCTA和有创冠状动脉造影(ICA)的150例患者进行回顾性分析.100例患者的CCTA图像作为训练数据集,使用卷积神经网络(CNN)进行训练,识别斑块类型和冠状动脉狭窄程度.另外50例CAD患者作为测试数据集,以ICA图像为参考标准,采用ROC曲线分析方法,比较CCTA-AI与ICA和传统人工CCTA在评价冠状动脉狭窄和斑块特征方面的差异.结果:在鉴别不同程度冠状动脉狭窄时,CCTA-AI的诊断准确率优于传统人工方法(AUCAI=0.870,AUC传统CCTA=0.781,P＜0.001).在识别斑块类型方面,CCTA-AI的准确度与传统的人工方法相比表现中等(AUC=0.750,P＜0.001).结论:与传统的CCTA相比,CCTA-AI在识别≥50％狭窄和分析斑块类型方面是相对准确的.