סקירה אוטומטית של AI של הדמיה כלילית מציינת לוחיות מסוכנות בצורה יעילה יותר מאשר הערכה ידנית, ועוזרת לזהות חולים הזקוקים לניטור מקרוב לאחר התקף לב.
זיהוי מבוסס בינה מלאכותית של פיברטרומות דקיקות עם כובע דק ותוצאות קליניות: המחקר Pectus-Ai
במחקר שנערך לאחרונה בפורסם ב כתב העת האירופי לבקבוצה של חוקרים השוו בין זיהוי מבוסס על בינה מלאכותית (AI) של פיברטרומה דקה-כרית (TCFA) על טומוגרפיה של קוהרנטיות אופטית (OCT) עם סקירה של מעבדה ליבה (CL) והתקשרו הן לתוצאות של חולים שנתיים, בניתוח הפקטוס-איי המתוכנן מראש של הפקטוס-OB-OB.
רֶקַע
בכל רגע מישהו שורד מהתקף לב ותוהה אם הבא אורב; מי באמת בטוח כאשר עורקים נראים פתוחים אך הלוחות אינם יציבים? אירועים רבים נובעים מ- TCFAs, לוחות עשירים בשומנים עם כובעים סיביים שבירים הנוסעים תחת נחשולי לחץ דם. OCT מספקת נופים בקנה מידה מיקרומטר בעובי הכובע; עם זאת, קריאה של מסגרת אחר מסגרת היא איטית, לא עקבית, ולעתים נדירות מבוצעת על פני כלי שלם. AI מבטיחה פרשנות סטנדרטית שמסחלת את הנסיגה המלאה ומפחיתה את שונות הקוראים. יש צורך במחקר נוסף כדי לאשר האם לגילוי אוטומטי יש השפעה משמעותית על הפרוגנוזה וקבלת ההחלטות.
על המחקר
ניתוח משני שתוכנן מראש השתמש בקבוצה תצפיתית פרוספקטיבית של חולים עם אוטם שריר הלב (MI). מפעילים צילמו את כל הנגעים הבינוניים והלא-קולפריטיים עם היצרות משוערת חזותית של 30 עד 90 אחוז ושמורת זרימה שברירית (FFR) מעל 0.80 באמצעות אוקטובר. CL הגדיר TCFA כלוח ליפיד עם קשת שומנים ≥ 90 מעלות ועובי כובע סיבי מינימלי <65 מיקרומטר ברמת המסגרת. מערכת AI, OCT-AID (כלי פילוח AI מבוסס OCT), נשלחים מפולחים באמצעות מודל גרסה 2 של NNU-NET של NNU-NET ועובי כובע מכסה ותוכן שומנים. כדי להגביל חיובי שווא, TCFA מזוהה AI דרש את הקריטריונים לעמוד לפחות בשלושה מתוך עשר המסגרות ברציפות.
כלי למידה עמוקה שהתגלה חפצי הנחתה חמורים; המסגרות לא הוחרגו אם למעלה מ- 25% מקווי A הושפעו, והוסרו נגעים או נסיגות עם פחות ממחצית מהמסגרות הניתנות לניתוח. התוצאה העיקרית הייתה מורכבת ברמת השנתיים של מוות, MI שאינו קטלני, או revascularization לא מתוכנן, למעט אירועים פרוצדורליים וסטנט ואוטם שריר הלב שאינם מיוחסים בבירור לקטע ספציפי; ועדה שופטת אירועים. ניתוחים זמן לאירועים השתמשו בשיטת קפלן-מאייר ובדיקת דירוג יומן, כאשר מודלים של COX הערכת יחס הסיכון (HR) ומרווח הביטחון של 95% (CI). האפליה הוערכה באמצעות נתון הקונקורדנס (C-סטטיסטי) ובמבחן דלונג.
תוצאות המחקר
בקרב 414 חולים (גיל ממוצע, 63 שנים), יתר לחץ דם וסוכרת היו קיימים אצל 52.9%ו -14.5%בהתאמה, והמצגת חולקה בין אוטם שריר הלב של ST (STEMI, 51.4%) לבין אוטם שריר הלב (NSTEMI, 48.6%). על פני 488 נגעי יעד, שלטו העורק הקדמי השמאלי היורד (LAD) ו- CX; ממוצע FFR היה 0.89 ± 0.05. איתור חפצים הוציא חציון של 0% מהמסגרות לנגע; שישה חולים עם מעל 50% מסגרות שאינן ניתנות לניתוח הוסרו. ההסכם בין TCFA מזוהה AI ל- Cl-TCFA היה הוגן עד בינוני (κ ≈ 0.38 רמת הנגע; κ ≈ 0.40 ברמת המטופל); לפחות AI-TCFA אחד בתוך נגעי יעד התרחש אצל 143 מתוך 414 חולים (34.5%) לעומת 124 (30.0%) על ידי מעבדת הליבה.
בתוך נגעי יעד, AI-TCFA זיהה סיכון גבוה יותר לשנתיים מאשר NO AI-TCFA (11.9 לעומת 6.3%), עבור HR של 1.99 (95% CI: 1.02 עד 3.90; P = 0.04). CL-TCFA הראה קשר לא משמעותי (11.3% לעומת 6.9%; HR: 1.67, 95% CI: 0.84-3.30; P = 0.14). אפליה לתוצאה המורכבת הייתה דומה כאשר מוגבלת לנגעי יעד (C-סטטיסטיים 0.58 עבור AI לעומת 0.56 עבור CL; P = 0.65). ברמת המקטע השלם, אפליה של AI חרגה מהערכת היעד של CL (0.66 לעומת 0.56; P = 0.03) והייתה גבוהה מספרית מניתוח AI-Resice (0.66 לעומת 0.58; P = 0.08).
ניתוח קטע מלא חיזק את התועלת הפרוגנוסטית. ב 411 חולים עם משיכות ניתוח ניתנות לניתוח, AI-TCFA היה נוכח בכל מקום בכלי המצוין בשנת 243 (59.1%) והיה קשור לסיכון גבוה יותר לתוצאה העיקרית (12.3% לעומת 2.4%; HR: 5.50, 95% CI: 1.94 עד 15.62; P <0.001). מקרי המוות היו תכופים יותר עם AI-TCFA (5.3 לעומת 0.6%; P = 0.009) ו revascularizations לא מתוכננים (7.4 לעומת 1.8%; P = 0.01); MI שאינו קטלני היה גבוה יותר מבחינה מספרית (2.5 לעומת 0.6%; P = 0.14). בהיעדר AI-TCFA ברחבי הקטע היה ערך חיזוי שלילי (NPV) של 97.6% (95% CI: 94.0-99.3) לצורך אי הכללת אירועים עתידיים. סקירה מקיפה של AI תפסה את פגיעות הרובד בצורה יעילה יותר מאשר קריאה אנושית ממוקדת בנגע, וזיהתה מטופלים לבקרת פקטור סיכון הדוקה יותר.
מסקנות
AI מיושם על איתור TCFA סטנדרטי ב- OCT וזיהה חולים בסיכון מוגבר לאחר MI. בהשוואה להערכת CL של נגעים שנבחרו חזותית, הערכת הקטע המצולמת המלאה הניבה אפליה פרוגנוסטית חזקה יותר ו- NPV גבוה שיכולים להרגיע חולים בסיכון נמוך תוך מיקוד תשומת הלב בסיכון גבוה יותר. מכיוון שקריאה ידנית של מסגרת אחר מסגרת היא זמן רב ומשתנה, ניתוח אוטומטי יכול לעזור בתרגום הדמיה ברזולוציה גבוהה להחלטות מעשיות לגבי מניעה משנית, מעקב וטיפול מוקד. ניתוחים בוצעו במצב לא מקוון במערך תצפית יחיד, ועדיין יש צורך באימות פוטנציאלי באתר לפני אימוץ שגרתי.
