临床放射学杂志

作者：陈颖, 马莹莹, 李承霖, 崔露露, 郭力琼, 秦江彦, 李延静

单位：716000 延安大学附属医院心脑血管病医院影像科

关键词：冠状动脉钙化,心血管病危险因素,人工智能,冠心病

<b>目的</b> 评估基于人工智能（AI）非门控冠状动脉钙化积分（CACS）的诊断效能,初步探讨其针对具有不同心血管病危险因素的人群是否具备准确且稳定的分层能力。<b>方法</b> 回顾性搜集184例行低剂量非门控胸部CT平扫和冠状动脉CT血管造影（CTA）检查的患者,进行CACS测量并依据CACS（0为极低危,0&#x0003C;CACS&#x0003C;100为低危、100&#x02264;CACS&#x0003C;400为中危、CACS&#x02265;400为高危）进行分级。从人群总体进行评估,采用<em>Spearman</em>相关系数（<em>r</em>）、<em>Bland-Altman</em>法及组内相关系数（ICC）评估两种方法的相关性和一致性;采用加权<em>Kappa</em>分析冠状动脉钙化（CAC）风险分层一致性。以心电门控CACS为&#x0201c;金标准&#x0201d;,借有序逻辑回归计算预测值,按&#x0201c;一对多&#x0201d;策略绘制多分类受试者工作特征（ROC）曲线评估非门控CACS的表现。使用二阶聚类基于对数似然距离度量和贝叶斯信息准则（BIC）根据心血管病危险因素将人群分为不同亚组。在亚组中,采用ICC、<em>r</em>以及对中高危人群（CACS&#x02265;100）的诊断效能进行进一步的评估。<em>P</em>&#x0003C;0.05为差异有统计学意义。<b>结果</b> 从人群总体角度看非门控CACS相关系数<em>r</em>=0.965（<em>P</em>&#x0003C;0.001）,ICC=0.970（<em>P</em>&#x0003C;0.001）,对每个风险类别曲线下面积（AUC）均&#x0003E;0.9（<em>P</em>&#x0003C;0.001）,加权<em>Kappa</em>=0.854（<em>P</em>&#x0003C;0.001）。使用二阶聚类,将人群分为三组,在不同亚组中<em>r</em>均&#x0003E;0.9（<em>P</em>&#x0003C;0.001）,ICC&#x0003E;0.9（<em>P</em>&#x0003C;0.001）。在不同亚组中,对于中高危人群也有良好的分层的能力AUC均&#x0003E;0.9。<b>结论</b> 应用非门控CACS进行风险分级可靠性与稳定性高,适用于不同人群的冠心病筛查场景。

来源：2025年第11期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第11期