基于人工智能测量的冠状动脉钙化积分与CT-FFR及斑块特征的相关性.pdf

·844·doi10.12122/j.issn.1674-4500.2024.08.11分子影像学杂志,2024,47(8):844-850

基于人工智能测量的冠状动脉钙化积分与基于人工智能测量的冠状动脉钙化积分与CT-FFRCT-FFR及斑块特征及斑块特征

的相关的相关性性

杨旭东，黄心怡，石士奎

蚌埠医科大学第一附属医院放射科，安徽蚌埠233004

摘要：目的采用冠状动脉CT血管成像联合数坤科技智慧平台（AI）分析冠状动脉钙化积分（CACS）与无创血流储备分数（CT-

FFR）及斑块特征的相关性。方法根据AI测量的CACS数值，将2021年1月~2022年12月于蚌埠医科大学第一附属医院行冠

状动脉CT血管成像检查的208例患者分为低度钙化组（n=73，0分CACS100分）、中度钙化组（n=64，100分≤CACS≤400分）和

高度钙化组（n=71，CACS400分）。比较各组一般临床资料及AI测量下的犯罪血管及犯罪斑块的特征参数，并分析特征参数与

CACS组别的相关性，通过绘制ROC曲线计算曲线下面积（AUC）评估单一指标及联合指标对两个组别（低度钙化组-中度钙化

组、中度钙化组-高度钙化组）的诊断效能。结果AI测量下，CT-FFR、斑块长度、斑块体积、最小管腔面积（MLA）在不同CACS组

的差异均有统计学意义（P0.05），斑块类型在低度钙化组-中度钙化组间差异有统计学意义（P0.05），在中度钙化组-高度钙化

组的差异无统计学意义（P0.05）。多因素Logistic回归分析显示，年龄、CT-FFR、斑块体积、MLA是更高CACS组的危险因素，

斑块体积与CACS严重程度呈正相关（r=0.437，P0.001），CT-FFR、MLA与其呈负相关（r=-0.640，-0.658，P0.001）。ROC曲线

显示，在低钙化积分组-中钙化积分组，CT-FFR、斑块体积、MLA及联合指标的AUC值分别为0.731、0.678、0.748、0.824；在中钙

化积分组-高钙化积分组，CT-FFR、斑块体积、MLA及联合指标的AUC值分别0.741、0.670、0.746、0.840。CT-FFR、斑块体积、

MLA三个联合指标在两个组别的诊断效能均大于单一指标。结论AI测量下，CT-FFR、斑块体积、MLA在不同CACS组均有显

著差异，是更高CACS组的危险因素，CT-FFR、MLA在不同CACS组均表现出良好的诊断效能，CT-FFR、斑块体积、MLA联合时

诊断效能明显提高。

关键词：人工智能；冠状动脉钙化积分；无创血流储备分数；斑块特征

CorrelationofcoronaryarterycalcificationscorewithCTfractionalflowreserveand

plaquecharacteristicsmeasuredbyartificialintelligence

YANGXudong,HUANGXinyi,SHIShikui

DepartmentofRadiology,theFirstAffiliatedHospitalofBengbuMedicalUniversity,Bengbu233004,China

Abstract:ObjectiveToinvestigatethecorrelationbetweencoronaryarterycalciumscore(CACS)measuredbycoronary

computedtomography(CCTA)combinedwiththeSukunTechnologyIntelligencePlatform(AI),CTfractionalflowreserve

(CT-FFR),andplaquecharacteristics.MethodsBasedontheCACSvaluesmeasuredbyAI,208patientswhounderwentCCTA

examinationat