深層学習動的超音波スキャンに基づく頸動脈プラークのインテリジェントな検出とその安定性

バックグラウンド：

頸動脈プラークは人間の健康に有害です。 世界保健機関の推定によると、毎年 670 万件の脳血管障害と脳卒中が発生しており、主に頸動脈のアテローム硬化性プラークの形成に関連しています。 一方で、頸動脈プラークは、頸動脈狭窄または閉塞を引き起こし、脳虚血を引き起こす可能性があります。 頸動脈プラークの早期発見と正確な評価は、臨床医が効果的な介入措置を講じるのに役立ち、脳卒中の障害率と致死率を大幅に減らすことができます。

頸動脈 CTA および MRA は、比較的高解像度で高品質のプラーク画像を提供できますが、コストとスキャンの制限があるため、日常の臨床診療への適用が制限されます。 超音波検査には、非侵襲性、利便性、低コスト、優れた再現性という利点があります。 これは、プラークの検出、狭窄、およびプラークの安定性に適したイメージング方法です。 造影超音波検査 (CEUS) は、マイクロバブル造影剤を注入することによってプラーク内の微小循環灌流を高感度に実証でき、組織病理学的所見と一致しており、プラークの安定性を評価するために臨床的にますます使用されています。

ただし、一方で、超音波検査の限界は、精度を向上させるために機器とオペレーターのレベルに依存する必要があることです。 一方、人口基盤の拡大と高齢化社会に伴い、従来の医療モデルでは年々増加する患者数に対応できなくなってきました。 患者の検査ニーズ。 したがって、超音波画像データに基づいてプラークを自動的かつ正確に検出し、管腔狭窄とプラークの安定性を評価できる統合 AI アプリケーション プラットフォームを開発することは非常に重要です。

目的：

本研究では、頸動脈横軸の動的超音波画像に基づいて、深層学習に基づいて自動的かつ正確にプラークを検出するモデルを構築し、管腔狭窄率を計算し、安定性評価を行うことで、頸動脈プラークの心血管への影響を総合的に評価することを目的としています。 . 危険。 臨床超音波の専門家による子宮頸部プラークの評価の全プロセスの自動シミュレーションと再現を実現します。

研究デザイン:

登録された患者の 3 分の 2 と、対応する頸動脈のダイナミック スキャン画像と専門家の診断結果が、深層学習トレーニング コホートとしてランダムに選択されました。 深層学習モデルの全体的な診断精度を評価するための検証コホートとして、残りの 1/3 の患者の頸動脈ダイナミック スキャン画像と専門家による診断結果が使用されました。

統計分析：

プラークの検出、管腔狭窄率の推定、またはプラークの安定性の予測に対するディープラーニングの感度、特異度、陽性適中率、陰性適中率を、受信者動作特性 (ROC) 曲線下の面積 (AUROC) によって計算して評価しました。 SPSS 22.0 ソフトウェアを使用して統計分析を実行しました。

品質管理：

標準化された標準的な頸動脈超音波検査方法と操作手順を開発し、統一された画像取得と保存の標準を開発します。 すべてのオペレーターは、頸動脈超音波検査の厳しい訓練を受けています。 超音波操作で 5 年以上の経験を持つ 2 人のオペレーターが品質管理担当者として雇われ、すべての画像を確認し、不適格な画像を除外しました。

超音波は安全で無放射線です。 検査中、医師と患者は常にコミュニケーションの状態にあり、患者は緊張感や恐怖感が少なく、寛容性とコンプライアンスが高い.

研究の倫理:

この研究は、世界医学会議のヘルシンキ宣言の倫理的ガイドライン、および臨床研究の関連する規範と規制に従います。 研究は、倫理委員会の承認後に開始されます。 治験責任医師は、治験の開始前に、治験に関連するすべての内容を被験者にわかりやすい言葉で説明し、患者にはいつでも治験を中止する権利があることを知らせる必要があります。 研究は、患者が自発的にインフォームド コンセントに署名した後にのみ開始されました。