Real-world approach to comprehensive artificial intelligence-aided CT evaluation of coronary artery disease in 530 patients: A retrospective study
Notice bibliographique
Résumé
Purpose: Recent guidelines provide broader support for the use of less invasive imaging modalities for the evaluation of patients with stable chest pain. Coronary CT angiography (CCTA) uses increasingly sophisticated techniques to improve evaluation of coronary lesions. The purpose of this study is to describe one center's experience implementing AI-assisted advanced imaging techniques to diagnose coronary artery disease. Materials & methods: Retrospective study of patients who had AI-assisted CCTA interpretation, including a subgroup who underwent fractional flow reserve CT (FFR-CT) and invasive coronary angiography. Descriptive statistics summarized baseline characteristics and univariate statistics compared findings between groups of patients with and without anatomically and hemodynamically significant lesions based on FFR-CT. For patients who underwent invasive coronary angiography, concordance between CCTA and angiography was evaluated. Results: Of 532 included patients, AI-assisted CCTA identified statistically significant difference in calcification scores, plaque types and total plaque volume between lesions <50% and ≥50% stenosis. CCTA results were mostly concordant with invasive coronary angiography. Importantly, we identified a subset of patients with less than 50% anatomical stenosis that demonstrated physiologically significant stenosis on FFR-CT and invasive coronary angiography. Conclusions: AI-assisted CCTA and other advanced techniques are a tool to support high quality diagnostic assessment of coronary lesions in a clinical environment. Combined CCTA with FFRCT in mild to moderate coronary stenosis identifies patients with hemodynamically significant stenosis even when quantitative stenosis is <50%. Implementation of AI-assisted coronary CT angiography is feasible in a community hospital setting, but these technologies do not replace the need for expert review and clinical correlation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».