文献

J-GLOBAL ID：202202255217991255   整理番号：22A0907961

両心室機能のAIベースCMR評価 インターベンダー変動性と測定誤差の臨床的重要性【JST・京大機械翻訳】

AI Based CMR Assessment of Biventricular Function Clinical Significance of Intervendor Variability and Measurement Errors

著者 (16件)： Wang Shuo (University of Chicago, Chicago, Illinois, USA) ,  Wang Shuo (Beijing Chao-Yang Hospital, Capital Medical University, Beijing, China) ,  Patel Hena (University of Chicago, Chicago, Illinois, USA) ,  Miller Tamari (University of Chicago, Chicago, Illinois, USA) ,  Ameyaw Keith (University of Chicago, Chicago, Illinois, USA) ,  Narang Akhil (University of Chicago, Chicago, Illinois, USA) ,  Chauhan Daksh (University of Chicago, Chicago, Illinois, USA) ,  Anand Simran (University of Chicago, Chicago, Illinois, USA) ,  Anyanwu Emeka (University of Chicago, Chicago, Illinois, USA) ,  Besser Stephanie A. (University of Chicago, Chicago, Illinois, USA) ,  Kawaji Keigo (University of Chicago, Chicago, Illinois, USA) ,  Kawaji Keigo (Illinois Institute of Technology, Chicago, Illinois, USA) ,  Liu Xing-Peng (Beijing Chao-Yang Hospital, Capital Medical University, Beijing, China) ,  Lang Roberto M. (University of Chicago, Chicago, Illinois, USA) ,  Mor-Avi Victor (University of Chicago, Chicago, Illinois, USA) ,  Patel Amit R. (University of Chicago, Chicago, Illinois, USA)
資料名： JACC: Cardiovascular Imaging  (JACC: Cardiovascular Imaging)
巻： 15  号： 3  ページ： 413-427  発行年： 2022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： 本研究の目的は,3つの完全自動深層学習(DL)アルゴリズムを使用して行われた左室駆出率(LVEF)と右心室駆出率(RVEF)と左室質量(LVM)測定が正確で交換可能であり,専門家として正確に心室機能とリスク層別患者を分類できるかどうかを決定することであった。人工知能は心臓磁気共鳴画像から心機能とLVMを評価するためにますます使用されている。血管拡張ストレス心臓磁気共鳴を受けた個人の登録から,患者100人を同定した。LVEF,LVM,およびRVEFを,3つの完全自動化市販DLアルゴリズムおよび従来の方法論を用いた臨床専門家(CLIN)を用いて決定した。さらに,LVEF値は臨床的に重要な範囲に従って分類された:<35%,35%から50%,および≧50%。DL駆出分画アプローチによって作られた駆出分画値と分類を,CLIN駆出分画基準に対して比較した。受信者動作特性曲線分析を行い,主要な有害心血管イベントを予測するため,CLINの能力およびDL分類の各々を評価した。CLIN-LVEF(r=0.83~0.93)と比較して,各DL-LVEFに対する優れた相関が見られた。DL-LVMとCLIN-LVMの間に良好な相関が存在した(r=0.75~0.85)。DL-RVEFとCLIN-RVEF(r=0.59~0.68)の間に,モード相関が観察された。CLINとDL駆出分画の間の>10%の誤差は,左心室で5%~18%,右心室で23%~43%であった。LVEF分類は,3DL-LVEFアプローチに対して86%,80%および85%の症例でCLIN-LVEF分類と一致した。LVEF,LVMおよびRVEFに対する主要な有害心血管イベントとの関連で,4つのアプローチの間に差はなかった。本研究は,専門家と比較して,自動化および専門家由来LVEFと転帰との強い関連との良好な一致を明らかにした。しかし,治療決定のための左室機能を正確に分類するこれらの自動化測定の能力は限られている。DL-LVMはCLIN-LVMと良好な一致を示した。DL-RVEFアプローチはさらなる精密化を必要とする。Copyright 2022 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： アルゴリズム ,  磁気共鳴 ,  *自動化 ,  心臓 ,  層別 ,  人工知能 ,  心血管疾患 ,  治療法 ,  機械学習 ,  左室駆出率
準シソーラス用語： 左心室機能 ,  駆出率 ,  心臓MRI ,  右心室 ,  左心室 ,  心血管イベント , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  駆出率 ,  機械学習 ,  心室機能

分類 (1件)： 循環系の診断  (GJ02000V)

タイトルに関連する用語 (8件)： 心室機能 ,  AI ,  評価 ,  ベンダー ,  変動性 ,  測定誤差 ,  臨床 ,  重要性