目的探讨基于冠状动脉CT血管成像(CCTA)的人工智能(AI)诊断系统及CT无创血流储备分数(CT-FFR)在评估高海拔地区冠状动脉临界病变结构及功能学中的应用价值。方法前瞻性收集2022年1月~2023年10月青海大学附属医院冠心病临界病变患者164例...目的探讨基于冠状动脉CT血管成像(CCTA)的人工智能(AI)诊断系统及CT无创血流储备分数(CT-FFR)在评估高海拔地区冠状动脉临界病变结构及功能学中的应用价值。方法前瞻性收集2022年1月~2023年10月青海大学附属医院冠心病临界病变患者164例,按居住地海拔进行分组,其中2000~3000m为A组(n=83),3000m以上为B组(n=81),再将两组患者按冠脉狭窄程度细分为50%~60%亚组(n=84)和61%~70%亚组(n=80)。将患者冠状动脉CT血管成像数据导入AI辅助诊断及CT-FFR测量系统,以冠脉造影及冠脉传统血流储备分数(FFR)为金标准,分别评价AI及CT-FFR在高海拔地区冠脉临界病变诊断中的应用。结果以FFR为金标准,CT-FFR与FFR的一致性为83.75%。B组钙化斑块、易损斑块高于A组(P=0.037、0.020);B组冠状动脉多支病变、61%~70%狭窄程度发生率均高于A组(P<0.05);A组、B组在61%~70%亚组钙化斑块、易损斑块发生率均高于50%~60%亚组(P<0.05)。B组CT-FFR值低于A组(0.76±0.04 vs 0.88±0.05,P<0.01);A、B两组在61%~70%亚组CT-FFR值≤0.80、<0.70的发生率高于50%~60%亚组(P<0.05)。结论AI诊断系统及CT-FFR对评估高海拔地区冠状动脉临界病变的结构特征及血流动力学改变的结果与冠脉造影、FFR一致性高,具有较高的诊断敏感度和特异度。展开更多
文摘目的探讨基于冠状动脉CT血管成像(CCTA)的人工智能(AI)诊断系统及CT无创血流储备分数(CT-FFR)在评估高海拔地区冠状动脉临界病变结构及功能学中的应用价值。方法前瞻性收集2022年1月~2023年10月青海大学附属医院冠心病临界病变患者164例,按居住地海拔进行分组,其中2000~3000m为A组(n=83),3000m以上为B组(n=81),再将两组患者按冠脉狭窄程度细分为50%~60%亚组(n=84)和61%~70%亚组(n=80)。将患者冠状动脉CT血管成像数据导入AI辅助诊断及CT-FFR测量系统,以冠脉造影及冠脉传统血流储备分数(FFR)为金标准,分别评价AI及CT-FFR在高海拔地区冠脉临界病变诊断中的应用。结果以FFR为金标准,CT-FFR与FFR的一致性为83.75%。B组钙化斑块、易损斑块高于A组(P=0.037、0.020);B组冠状动脉多支病变、61%~70%狭窄程度发生率均高于A组(P<0.05);A组、B组在61%~70%亚组钙化斑块、易损斑块发生率均高于50%~60%亚组(P<0.05)。B组CT-FFR值低于A组(0.76±0.04 vs 0.88±0.05,P<0.01);A、B两组在61%~70%亚组CT-FFR值≤0.80、<0.70的发生率高于50%~60%亚组(P<0.05)。结论AI诊断系统及CT-FFR对评估高海拔地区冠状动脉临界病变的结构特征及血流动力学改变的结果与冠脉造影、FFR一致性高,具有较高的诊断敏感度和特异度。
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)在预测肝泡状棘球蚴病(hepatic alveolar echinococcosis,HAE)发生远处转移的临床价值。材料与方法回顾性分析2019年1月到2024年3月青海大学附属医院确诊为HAE的267例患者资料,其中远处转移组88例,无转移组179例,记录其临床及影像信息并在DWI上测量病灶实性部分及边缘带的ADC最大值(ADC_(max))、ADC最小值(ADC_(min))、ADC平均值(ADC_(mean))。采用统计学方法比较发生远处转移组患者与无转移组患者在年龄、性别、民族、病灶实性部分及边缘带的ADC_(max)、ADC_(min)、ADC_(mean)上的差异,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线,通过曲线下面积(area under the curve,AUC)评估各参数的诊断效能,计算最佳诊断截断值及其对应的敏感度、特异度。结果HAE远处转移组与无转移组两组间年龄、性别及民族差异均无统计学意义(P>0.05);在病灶实性部分,ADC_(max)、ADC_(min)、ADC_(mean)在远处转移组与无转移组间差异不具有统计学意义(P>0.05);在病灶边缘带,两组间ADC_(max)、ADC_(min)、ADC_(mean)的差异均具有统计学意义(P<0.05);且无论是否发生转移,边缘带ADC_(max)、ADC_(min)、ADC_(mean)均低于实性成分ADC_(max)、ADC_(min)、ADC_(mean)。ROC曲线分析显示边缘带各ADC值均可有效预测HAE的远处转移。其中,联合指标预测HAE是否发生远处转移效能最佳,AUC为0.955(95%CI:0.923~0.977),敏感度为93.2%,特异度86.0%。结论边缘带ADC值对临床前期评估HAE是否会发生远处转移具有良好的预测价值;各参数联合使用可进一步提高HAE远处转移的预测效能,更有利于个体化、精准化医疗决策的实现。
