Development of AI-based Calcium Score Using non-ECG Gated CT for Prediction of Future Cardiovascular Events

点击翻译按钮获取中文摘要

令和4年度で心電図非同期下胸部単純CTから石灰化スコアを計測するアルゴリズムのもととなる心電図同期下胸部単純CTから石灰化スコアを自動測定するディープラーニングを用いたアルゴリズムの開発を終了した。当施設で後ろ向きに収集した心電図同期下胸部単純CT500例と造影CTの結果を基に非造影CT画像を構築した60例を教師データとしてハートラベリング法という冠動脈枝ごとにLM、LAD、RCA、LCXをラベリングしそれぞれの枝ごとの石灰化スコアも正確に算出できるアルゴリズムを構築し、それを畳み込みニューラルネットワーク（CNN）を用いたAIモデルに組み込むことで、冠動脈全体のみならず血管別の冠動脈石灰化スコア（CAC score; CACS）を高精度で自動算出することに成功した。当施設で前向きに収集した409例のCTデータを用いた内的バリデーションではCACSリスクカテゴリを高精度で予測し（Cohen's kappa statistic=0.89）、血管別のCACSについても極めて高い精度で算出した（R=0.88 [LMT], 0.99 [LAD], 0.94 [LCX], 0.99 [RCA]）。さらに450例のスタンフォード大学から提供されているCTデータで外的バリデーションを行ったところ、内的バリデーション同様にCACSリスクカテゴリ、（Cohen's kappa　statistic=0.95）、血管別のCACSいずれも高い精度の算出が認められた（R=0.85 [LMT], 0.98 [LAD], 0.98 [LCX], 0.99 [RCA]）。心電図非同期下胸部単純CTから石灰化スコアを計測するアルゴリズムについては心電図同期と非同期の胸部単純CTを前向きに収集した400例のデータセットをもとに開発を進めている。