Eine multizentrische internationale Studie hat erstmals gezeigt, dass die Diagnose der obstruktiven koronaren Herzkrankheit verbessert werden kann, indem mit Hilfe von deep learning Analyse aufrecht und liegen der single-photon-emissions-Computertomographie (SPECT) myocardial perfusion imaging (MPI). Die Forschungsarbeit wird vorgestellt in der Mai-Ausgabe des Journal of Nuclear Medicine.
Nach Angaben der Centers for Disease Control and Prevention, koronare Herzkrankheit ist die häufigste Art von Herzerkrankungen, die Tötung mehr als 370.000 Menschen in den Vereinigten Staaten jährlich. SPECT-MPI, das weithin für seine Diagnose, zeigt, wie gut der Herzmuskel pumpt und untersucht den Blutfluss durch das Herz während des Trainings und in Ruhe. Auf neue Kameras mit einer Patientin abgebildet, die in sitzender position, zwei Positionen (halb-aufrecht und Rückenlage) werden routinemäßig verwendet, um zu mildern Dämpfung Artefakte. Die aktuelle quantitativer standard für die Analyse von MPI-Daten ist die Berechnung der Summe perfusion Defizit (TPD) von diesen 2 Positionen. Optisch, ärzte Vereinbarkeit von Informationen zur Verfügung, aus 2 Ansichten.
Deep convolutional neural networks, die oft als deep learning (DL), gehen über machine-learning-algorithmen. Sie direkt visuelle Daten analysieren, aus Ihnen zu lernen, und stellen Sie intelligente Erkenntnisse, basierend auf den Bildinformationen.
Für diese Studie, DL-Analyse der Daten aus dem zwei-positions-stress MPI war im Vergleich mit der standard-TPD-Analyse von 1,160 Patienten ohne bekannte koronare Herzkrankheit. Patienten wurden stress MPI mit der Nuklearmedizin radiotracer technetium (99mTc) sestamibi. Neue generation der solid-state-SPECT-Scanner in vier verschiedenen Zentren wurden verwendet, und die Bilder wurden quantifiziert am Cedars-Sinai Medical Center in Los Angeles, Kalifornien. Alle Patienten hatten eine on-site-klinische liest und der invasiven koronarangiografie Korrelationen innerhalb von sechs Monaten nach der MPI.
Obstruktive Erkrankung war definiert als mindestens 70 Prozent Verengungen der drei großen Herzkranzgefäße und mindestens 50 Prozent für die linken Haupt-Koronararterie. Während des Validierungsprozesses, vier verschiedene DL-Modelle trainiert wurden (jeweils unter Verwendung von Daten aus drei Zentren) und dann ausgewertet wurden, auf die eine Mitte-Links beiseite. Vorhersagen für 4 Zentren wurden zusammengeführt, um eine Allgemeine Einschätzung der multizentrischen Leistung.
Die Studie ergab, dass 718 (62%) Patienten und 1,272 von 3,480 (37 Prozent), die Arterien hatte Verschlusskrankheit. Pro-patient Sensitivität verbesserte sich von 61,8 Prozent mit TATO auf 65.6 Prozent mit DL und pro-Gefäß-Sensitivität verbesserte sich von 54,6 Prozent mit TATO 59,1 Prozent mit DL. In-Zusatz, DL-hatte eine Sensitivität von 84.8 Prozent, im Vergleich zu 82,6 Prozent für ein on-site-klinische gelesen.
Die Ergebnisse zeigen deutlich, dass DL verbessert MPI interpretation über aktuelle Methoden.