多个国际中心合作研发！人工智能（AI）实现血管内光学相干断层扫描自动表征！

血管内光学相干断层扫描（IVOCT）可以详细地描述体内冠状动脉粥样硬化斑块的特征，然而，依靠视觉测量的项目不仅耗时还存在观察者的主观性。近日，《Eurointervention 》最新期刊上发表了一项人工智能（AI）参与IVOCT回撤影像分析的研究，结果证实搭载AI用于IVOCT斑块自动表征系统在内部和外部验证中均提供了极好的诊断准确性。该研究由上海交通大学生物医学工程学院、哈尔滨医科大学附属第二医院、福建医科大学附属协和医院、中国医学科学院阜外医院4家国内中心联合西班牙、美国、日本、爱尔兰、丹麦5家国际中心共同研发。

研究概述

     研究目的

     本研究旨在开发和验证一种采用人工智能（AI）自动表征IVOCT斑块特征的方法。

     研究方法

  （1）核心实验室分析了来自5个国际中心的IVOCT回撤影像，影像被标注了基本斑块成分、炎症和其他性质的结构。

    （2）研究者利用混合损耗法对研发的具有编解码结构和伪3D输入的深度卷积网络进行训练。这种被整合到商业软件中的网络，在参考核心实验室共识的基础上，对来自3个国际核心实验室的其他IVOCT回撤影像进行外部验证。

研究结果

   509个影像（来自391例患者）被分为10,517和1,156个横断面，分别用于训练和测试数据集。在测试数据集中，模型Dice系数分别为纤维斑块0.906，钙化0.848，脂质0.772。模型和人工测量在斑块负荷定量方面基本一致（R2=0.98）。在外部验证中，该软件从300个IVOCT横切面中正确识别了598个斑块区域中的518个，纤维斑块的诊断准确率为97.6%[95%CI:93.4%-99.3%]，脂质90.5%[95%CI:85.2%-94.1%]，钙化88.5%[95%CI:82.4%-92.7%]。分析所需的中位时间为每个回撤影像21.4秒（18.6-25.0秒）。

结 论

   搭载AI用于IVOCT斑块自动表征系统在内部和外部验证中都提供了极好的诊断准确性。该模型可减少图像判读的主观性，有助于IVOCT对斑块成分的定量分析，在研究和IVOCT引导PCI中具有潜在应用价值。

     参考文献

     Miao Chu, Haibo Jia, Juan Luis Gutiérrez-ChicoAutomatic,et al. Characterisation of Human Atherosclerotic Plaque Composition from Intravascular Optical Coherence Tomography Using Artificial Intelligence. DOI: 10.4244/EIJ-D-20-01355.