利用人工智能辅助 CT 血管造影识别脆弱的冠状动脉斑块 (VALUE)

冠状动脉疾病（CAD）仍然是全世界死亡的主要原因。 动脉粥样硬化斑块在 CAD 相关患者死亡率中起着关键作用。 因此，冠状动脉斑块的检测、定量和表征对于 CAD 的早期预防和干预具有临床意义。

冠状动脉 CT 血管造影 (CCTA) 已成为评估 CAD 的强大无创工具。 在临床实践中，冠状动脉斑块评估是通过依赖于临床医生的经验和主观视觉解释的耗时的手动过程来进行的。 随着人工智能的发展，人们提出了许多自动计算机辅助方法来对 CCTA 图像进行后处理。 然而，之前提出的斑块评估算法并不是基于血管内超声（IVUS）或光学相干断层扫描（OCT）而开发的，而这些被视为斑块评估的黄金参考。 因此，我们的目标是在 CCTA 的全过程自动化和智能系统中开发深度学习模型，以 IVUS 或 OCT 作为参考标准来检测、量化和表征斑块。 然后我们将在不同的临床场景下进行验证：（i）验证新的深度学习模型的准确性； (ii) 模型在不同 CAD 人群中的预后。

它旨在回答的主要问题是：

1. 与血管内超声或专家阅读器相比，人工智能模型是否能够检测、量化冠状动脉斑块；
2. AI模型是否能够使用IVUS或OCT作为参考标准来识别易损斑块。
3. AI 模型是否能够预测 10,000 名非阻塞性冠状动脉疾病患者的未来不良心脏事件（中国 CT-FFR 研究 2）。