10.13609/j.cnki.1000-0313.2022.04.006
心肌桥近端冠脉狭窄程度预测模型的建立及其临床应用价值
目的:探讨基于传统logistic回归分析和机器学习方法建立心肌桥(MB)近端冠脉狭窄程度预测模型的可行性及其临床应用价值.方法:选取2019年10月-2021年5月在本院行冠状动脉CTA及侵入性冠状动脉造影(ICA)检查并确诊存在MB的152例患者作为研究对象,将患者按照7︰3随机分为训练集(107例)和验证集(45例).选取16个临床和影像特征为模型输入变量,以IC A检查获得的心肌桥所在血管近段狭窄程度(轻度与中重度)作为二分类输出变量,采用传统logistic回归分析和基于不同分类算法的机器学习方法构建了12个预测模型,采用ROC曲线分析各模型的诊断效能并进行验证.对logistic回归预测模型中的16个特征进行重要度排序,对最重要的3个特征在轻度组和中重度组间的差异进行统计学分析.最后,在验证集中比较了传统logistic回归预测模型与CTA医师阅片分析对评估心肌桥所在血管近段狭窄程度的效能.结果:12种分类预测模型的预测性能均较好,AUC介于0.7至0.9之间.其中以传统logistic回归模型的预测效能最佳,其在训练集和验证集中的AUC分别为0.923和0.872,在验证组中的诊断符合率(ACC)为0.844;此模型中各项特征的重要度排序结果显示,心肌桥所在血管近段CTA狭窄程度、心肌桥所在血管近段斑块类型及心肌桥所在血管远段管腔CT值是预测心肌桥所在血管近段造影狭窄程度的最重要的3个特征.与基于CTA图像的两位放射科医师视觉评估结果相比,传统logistic回归模型的诊断效能更优(ACC分别为0.800、0.756和0.844).结论:基于临床和影像特征建立的传统logistic回归模型能有效预测心肌桥所在血管近段狭窄程度,优于基于CTA的人工阅片方法,可提高对MB患者筛查和诊断的准确性,具有一定的临床应用价值.
心肌桥、壁冠状动脉、动脉粥样硬化、人工智能、预测模型
37
R814.42;R543.3(放射医学)
北京市医院管理中心青苗计划QML20190607
2022-05-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
443-448