CT冠状动脉造影（CTCA）是一种非侵入性的成像技术，可用于冠状动脉疾病的解剖学评估。临床上使用含有碘的造影剂（CM）来增强管腔的衰减，以便能够评估冠状动脉管腔、血管壁和周围结构。调整CM的输入方案会改变血池的衰减系数。一个常用的调整CM输入的策略是调节碘输入率（IDR=每秒注射的碘量[g I/s]=CM的浓度×流速（ml/s））。除了CM的输入，冠状动脉腔内的衰减还取决于病人的特征，如体重和身长以及CT扫描仪的设置，特别是管电压（kV）。更好地了解这些参数与管腔衰减之间的相互关系，对进一步改进针对患者的造影剂输入方案很有价值。减少碘负荷对于降低肾功能损伤的风险、减少环境污染和降低总体成本非常重要。

然而，造影剂给药中不适当的校正可能会导致冠状动脉腔内衰减不足，这会影响图像的质量以及诊断。

近日，发表在European Radiology杂志的一项研究使用机器学习（ML）对CTCA中对比度衰减不足的病例进行预测及筛选，进一步提高CTCA的诊断价值。

本研究使用1447台CT的数据建立了机器学习模型，包括病人特征、成像设置和测试栓塞特征。这些模型被训练来预测升主动脉平均衰减值低于400HU的CTCA图像。通过受试者工作特性曲线下的面积（AUROC）和精确-召回曲线（AUPRC）来评估准确性。Shapley Additive exPlanations被用来评估特征对对比度增强不足的预测的影响。 

1447次扫描中共有399次显示升主动脉的衰减值低于400 HU。仅使用病人特征和CT设置训练的最佳模型达到了0.78（95%CI：0.73-0.83）的AUOC和0.65（95%CI：0.58-0.71）的AURC。如果加入测试栓塞的特征，其AUROC为0.84（95%CI：0.81-0.87）、AURC为0.71（95%CI：0.66-0.76）、敏感性为0.66、特异性为0.88。测试栓塞的峰值高度是对低衰减预测影响最大的特征。 

图 动态栓塞跟踪试验-栓塞扫描的示例子。用一个ROI来测量颈部以下的升主动脉水平的衰减（a，1）。曲线（b）表示随时间变化的测量值。开始时间曲线（蓝色虚线）以秒为单位，达到峰值的时间（红色虚线）以秒为单位，峰值高度（绿色虚线）以HU为单位，其中t=0对应于注射造影剂后8秒

本研究证明，ML在预测CCTA的衰减不足方面的准确性极高。本研究表明，在一个已经调整了千伏和体重的方案中，对ML模型影响最大的特征是测试栓塞曲线的峰值高度。本研究结果支持开发更精细、更强大的针对患者的造影剂输入方案以及测试栓塞的特征。

 

原文出处：

R R Lopes,T P W van den Boogert,N H J Lobe,et al.Machine learning-based prediction of insufficient contrast enhancement in coronary computed tomography angiography.DOI:10.1007/s00330-022-08901-5

Tags： European Radiology：基于机器学习的冠状动脉CTA增强不足的预测