Клиническая и экспериментальная кардиология
Открытый доступ

Абстрактный

Искусственный интеллект для интерпретации результатов коронарной компьютерной томографии и ангиографии: может ли машинное обучение улучшить качество диагностики?

Дайсуке Уцуномия*, Такеши Накаура и Сейтаро Ода

Недавнее развитие искусственного интеллекта (ИИ) и системы машинного обучения имеет потенциал для улучшения клинической диагностики ишемической болезни сердца. Коронарная компьютерная томографическая ангиография (ККТ) предоставляет важную информацию о коронарных артериях: например, тяжесть стеноза, длина поражения, затухание бляшки и степень отложения кальция. Однако комплексный анализ этих факторов может быть затруднен. Мы проанализировали характеристики пациентов и результаты ККТ 56 пациентов. Мы использовали ИИ (случайный лес) для выявления поражений, связанных с ишемией, и сравнили диагностическую эффективность случайного леса и логистического регрессионного анализа. С помощью анализа случайного леса площадь под кривой была увеличена с 0,89 (логистический регрессионный анализ) до 0,95 (случайный лес). Модели машинного обучения могут быть полезны для интерпретации ККТ для выявления коронарных поражений, связанных с ишемией.