인공 지능 지원 CT 혈관 조영술로 취약한 관상 동맥 플라크 식별 (VALUE)

관상동맥질환(CAD)은 전 세계적으로 여전히 주요 사망 원인입니다. 죽상동맥경화반은 CAD 관련 환자 사망률에 중추적인 역할을 합니다. 따라서 관상동맥 플라크의 검출, 정량화 및 특성화는 CAD의 조기 예방 및 중재에 임상적으로 중요합니다.

관상동맥 CT 혈관조영술(CCTA)은 CAD 평가를 위한 강력한 비침습적 도구로 등장했습니다. 임상 실습에서 관상동맥 플라크 평가는 임상의의 경험과 주관적인 시각적 해석에 따라 시간이 많이 걸리는 수동 프로세스를 통해 수행됩니다. 인공 지능의 발전으로 CCTA 이미지를 후처리하기 위해 많은 자동 컴퓨터 지원 방법이 제안되었습니다. 그러나 이전에 제안된 플라크 평가 알고리즘은 플라크 평가의 표준으로 간주되었던 혈관내 초음파(IVUS) 또는 광간섭단층촬영(OCT)을 기반으로 개발되지 않았습니다. 따라서 우리는 IVUS 또는 OCT를 참조 표준으로 사용하여 플라크를 감지, 정량화 및 특성화하기 위해 CCTA의 전체 프로세스 자동 지능형 시스템에서 딥 러닝 모델을 개발하는 것을 목표로 했습니다. 그런 다음 다양한 임상 시나리오에서 검증 작업을 진행합니다. (i) 새로운 딥 러닝 모델의 정확성 검증; (ii) CAD를 사용하는 다양한 모집단의 모델 예측.

답변하려는 주요 질문은 다음과 같습니다.

1. AI 모델이 혈관 내 초음파 또는 전문 판독기와 비교하여 관상 동맥 플라크를 감지하고 정량화할 수 있는지 여부
2. AI 모델이 IVUS 또는 OCT를 참조 표준으로 사용하여 취약한 플라크를 식별할 수 있는지 여부.
3. AI 모델이 비폐쇄성 관상동맥 질환 환자 10,000명으로 구성된 대규모 코호트에서 향후 심장 부작용을 예측할 수 있는지 여부(중국 CT-FFR 연구 2).