Artificial Intelligence–Enabled Quantitative Coronary Plaque and Hemodynamic Analysis for Predicting Acute Coronary Syndrome
Notice bibliographique
Résumé
BACKGROUND: A lesion-level risk prediction for acute coronary syndrome (ACS) needs better characterization. OBJECTIVES: This study sought to investigate the additive value of artificial intelligence-enabled quantitative coronary plaque and hemodynamic analysis (AI-QCPHA). METHODS: Among ACS patients who underwent coronary computed tomography angiography (CTA) from 1 month to 3 years before the ACS event, culprit and nonculprit lesions on coronary CTA were adjudicated based on invasive coronary angiography. The primary endpoint was the predictability of the risk models for ACS culprit lesions. The reference model included the Coronary Artery Disease Reporting and Data System, a standardized classification for stenosis severity, and high-risk plaque, defined as lesions with ≥2 adverse plaque characteristics. The new prediction model was the reference model plus AI-QCPHA features, selected by hierarchical clustering and information gain in the derivation cohort. The model performance was assessed in the validation cohort. RESULTS: Among 351 patients (age: 65.9 ± 11.7 years) with 2,088 nonculprit and 363 culprit lesions, the median interval from coronary CTA to ACS event was 375 days (Q1-Q3: 95-645 days), and 223 patients (63.5%) presented with myocardial infarction. In the derivation cohort (n = 243), the best AI-QCPHA features were fractional flow reserve across the lesion, plaque burden, total plaque volume, low-attenuation plaque volume, and averaged percent total myocardial blood flow. The addition of AI-QCPHA features showed higher predictability than the reference model in the validation cohort (n = 108) (AUC: 0.84 vs 0.78; P < 0.001). The additive value of AI-QCPHA features was consistent across different timepoints from coronary CTA. CONCLUSIONS: AI-enabled plaque and hemodynamic quantification enhanced the predictability for ACS culprit lesions over the conventional coronary CTA analysis. (Exploring the Mechanism of Plaque Rupture in Acute Coronary Syndrome Using Coronary Computed Tomography Angiography and Computational Fluid Dynamics II [EMERALD-II]; NCT03591328).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 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 ».