文献

J-GLOBAL ID：202002215492969673   整理番号：20A0617225

機械登録からの機械学習CT-FFR結果の診断性能に及ぼす冠動脈カルシウムの影響【JST・京大機械翻訳】

Influence of Coronary Calcium on Diagnostic Performance of Machine Learning CT-FFR Results From MACHINE Registry

著者 (31件)： Tesche Christian (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Tesche Christian (Department of Cardiology and Intensive Care Medicine, Heart Center Munich-Bogenhausen, Munich, Germany) ,  Tesche Christian (Department of Cardiology, Munich University Clinic, Ludwig-Maximilians-University, Munich, Germany) ,  Otani Katharina (Advanced Therapies Innovation Department, Siemens Healthcare K.K., Tokyo, Japan) ,  De Cecco Carlo N. (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Coenen Adriaan (Department of Cardiology, Erasmus University Medical Center, Rotterdam, the Netherlands) ,  Coenen Adriaan (Department of Radiology, Erasmus University Medical Center, Rotterdam, the Netherlands) ,  De Geer Jakob (Department of Radiology and Department of Medical and Health Sciences, Center for Medical Image Science and Visualization, CMIV, Linkoping University, Linkoping, Sweden) ,  Kruk Mariusz (Coronary Disease and Structural Heart Diseases Department, Invasive Cardiology and Angiology Department, Institute of Cardiology, Warsaw, Poland) ,  Kim Young-Hak (Department of Cardiology, Heart Institute Asan Medical Center, University of Ulsan College of Medicine, Seoul, South Korea) ,  Albrecht Moritz H. (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Albrecht Moritz H. (Department of Diagnostic and Interventional Radiology, University Hospital Frankfurt, Frankfurt, Germany) ,  Baumann Stefan (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Baumann Stefan (First Department of Medicine, Faculty of Medicine Mannheim, University Medical Centre Mannheim (UMM), University of Heidelberg, Mannheim, Germany) ,  Renker Matthias (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Renker Matthias (Department of Cardiology, Kerckhoff Heart Center, Bad Nauheim, Germany) ,  Bayer Richard R. (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Bayer Richard R. (Division of Cardiology, Department of Medicine, Medical University of South Carolina, Charleston, South Carolina) ,  Duguay Taylor M. (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Litwin Sheldon E. (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Litwin Sheldon E. (Division of Cardiology, Department of Medicine, Medical University of South Carolina, Charleston, South Carolina) ,  Varga-Szemes Akos (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Steinberg Daniel H. (Division of Cardiology, Department of Medicine, Medical University of South Carolina, Charleston, South Carolina) ,  Yang Dong Hyun (Department of Radiology, Asan Medical Center, University of Ulsan College of Medicine, Seoul, South Korea) ,  Kepka Cezary (Coronary Disease and Structural Heart Diseases Department, Invasive Cardiology and Angiology Department, Institute of Cardiology, Warsaw, Poland) ,  Persson Anders (Department of Radiology and Department of Medical and Health Sciences, Center for Medical Image Science and Visualization, CMIV, Linkoping University, Linkoping, Sweden) ,  Nieman Koen (Department of Cardiology, Erasmus University Medical Center, Rotterdam, the Netherlands) ,  Nieman Koen (Department of Radiology, Erasmus University Medical Center, Rotterdam, the Netherlands) ,  Nieman Koen (Cardiovascular Institute, Stanford University School of Medicine, Stanford, California) ,  Schoepf U. Joseph (Division of Cardiovascular Imaging, Department of Radiology and Radiological Science, Medical University of South Carolina, Charleston, South Carolina) ,  Schoepf U. Joseph (Division of Cardiology, Department of Medicine, Medical University of South Carolina, Charleston, South Carolina)
資料名： JACC: Cardiovascular Imaging  (JACC: Cardiovascular Imaging)
巻： 13  号： 3  ページ： 760-770  発行年： 2020年 
JST資料番号： W3125A  ISSN： 1936-878X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究は,機械学習に基づく冠動脈コンピュータ断層撮影(CT)血管造影(CCTA)に由来する部分的血流予備能(CT-FFR)の診断性能に及ぼす冠動脈カルシウム(CAC)スコアの影響を調査するために実施した。CT-FFRは,病変特異的虚血を検出するために確実に使用される。機械学習人工知能技術を用いた新しいCT-FFRアルゴリズムは高速で,複雑な計算流体力学を必要としない。しかし,機械学習アプローチの診断性能に及ぼすCACスコアの影響は研究されていない。CCTAを受けた314人の患者(年齢62.3±9.3歳,77%男性)からの合計482の血管を,MACHINE(機械学習ベースのCT Angiography由来FFR:多施設登録)登録データから調査した。CACスコアは,Agatston会議を用いて定量化した。病変特異的虚血を検出するためのCT-FFRの診断性能を,参照標準としての侵襲性FFRを用いて,すべてのAgatstonスコアカテゴリー(CAC0,>0~<100,100~<400,≧400)にわたって評価した。CT-FFR対浸潤FFRの診断精度は,すべてのAgatstonスコアカテゴリーにわたって,血管内レベル(78%対60%)および患者レベル(83%対73%)においてCCTA単独より優れていた。CT-FFRの診断精度,感度,または特異性における統計的に有意差は,カテゴリーにわたって観察されなかった。CT-FFRは,高いAgatstonスコア(CAC≧400)を有する血管において良好な弁別力を示し,低から中間のAgatstonスコア(CAC>0~<400)において高い性能を示し,受信者動作特性曲線(AUC)の範囲に統計的有意差があった(AUC:0.71[95%信頼区間(CI):0.57~0.85)対0.85[95%CI:0.82~0.89],p=0.04)。CT-FFRは,高いAgatstonスコア(CAC≧400:AUC0.71対0.55,p=0.04)および低から中間のAgatstonスコア(CAC>0~<400:AUC0.86対0.63,p<0.001)を有する血管においてCCTAより優れた診断値を示した。機械学習に基づくCT-FFRは,カルシウム負荷/Agatstonカルシウムスコアが増加するにつれて,CT-FFRの性能に有意差があるCACにおいてCCTA単独より優れた診断性能を示した。(機械学習に基づくCT Angiography Derived FFR:Multicenter,登録[MACHINE]NCT02805621)。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 人工知能 ,  冠動脈疾患 ,  血流 ,  計算流体力学 ,  血管造影 ,  アルゴリズム ,  血管 ,  *冠動脈 ,  *カルシウム ,  冠動脈造影 ,  浸潤 ,  計算機トモグラフィー ,  *機械学習 ,  虚血 ,  男性

著者キーワード (4件)： 冠動脈疾患 ,  冠動脈CT血管造影 ,  計算フラクショナルフロー予備力 ,  侵襲的冠動脈造影

分類 (2件)： 循環系の診断  (GJ02000V) ,  循環系の疾患  (GJ03000C)

タイトルに関連する用語 (6件)： 機械学習 ,  CT ,  FFR ,  診断性能 ,  冠動脈 ,  カルシウム