导语
虽然人工智能在医学的大多数领域内都已经获得了长足的发展，但是在作为医学前沿阵地之一的介入心脏病学（Interventionalcardiology）领域内，其仍然没有机会大展拳脚，无论是临床还是科研。
介入心脏病学的一个领域是基于心血管病理生理学的基础来指导冠状动脉血运重建，但此过程中却容易出现数据解释的变异。事实上，虽然有足够的证据和指南建议支持分数流量储备和瞬时无波比（instantaneouswave-freeratio，iFR）的效用和成本效益，但它们在心脏导管介入中的应用发展速度还是不尽如人意。
一些引用的缺乏补偿性流量储备和iFR的原因是临床医生对血管造影和生理描记的解释与测量的重复性缺乏之间的不一致。在执行这些测量时固有的生理变异性和缺乏标准化解释了生理学的一些负面看法，但压力描记的解释也受到技术误差、压力漂移或波形伪影的影响。通过在线解释以及生理数据与血管造影图的整合可以改变是否进行血压升高的决定。此外，使用压力回拉曲线进行更详细的生理学测量，以确定弥漫性或串联性病变中的病变水平血流动力学或者甚至更加复杂、容易出现错误和偏倚的信号。因此，应用AI可以辅助临床医生在质量评估、压力回收数据的解释，以及最终的决策制定中发挥一定的作用。
在最新一期的《JACC：CardiovascularInterventions》Cook等报告了他们对iFR压线回拉数据算法解释的可行性和性能的调查。与其他早期AI应用类似，调查包括3个部分：算法开发，人工注释和表现评估。下面我们对此研究进行简单的介绍。
内容概要
研究题目：AlgorithmicVersusExpertHumanInterpretationofInstantaneousWave-FreeRatioCoronaryPressure-WirePullBackData
发表杂志：JACC：CardiovascularInterventions（IF：9.）
在线日期：.07.22
作者信息:ChristopherM.CookMBBS,BS?TakayukiWarisawaMD?JamesP.HowardMBBChiraThomasR.KeebleMBBS,MDJuanF.IglesiasMDErickSchampaertMDRavinayBhindiMBBS,PhDAlphonseAmbrosiDOHitoshiMatsuoMD,PhDHidetakaNishinaMD,PhDYuetsuKikutaMDYasutsuguShionoMD,PhDMasafumiNakayamaMDShunichiDoiMDManabuTakaiMD,PhDSonokaGotoMDYoheiYakutaMDKenichiKarubeMD…JustinE.DaviesMD,PhD
研究单位：
1.伦敦帝国学院Hammersmith医院
2.日本川崎市玛丽安娜大学医学院
3.英国巴斯尔登埃塞克斯心胸中心
......
图片来自网络。
1
研究背景/目的
01
Objectives
稳定性冠状动脉疾病的血运重建仅应用于缺血性产生冠状动脉病变.使用冠状动脉压力线获得的生理学测量允许基于每个血管识别心肌缺血.因此，在国际治疗指南中推荐冠状动脉生理学指导血运重建决策。
除了血管水平的缺血检测,在休息条件下，冠状动脉压力线也可用于产生瞬时无波比（iFR）压力线拉回迹线，这种痕迹可以确定病变缺血水平，以及预测经皮冠状动脉介入治疗（PCI）血运重建策略后的预后。然而，在缺乏临床结果数据的情况下，缺乏对iFR冠状动脉压力线拉回数据的明确解释。冠状动脉压力线拉回数据的个体解读非常复杂且易受医生的主观影响，并且取决于操作者的生理学专业知识。
冠状动脉压力线拉回数据的算法解释（AI）可以协助规避这些限制。这项研究的目的是确定AI是否可以提供对iFR冠状动脉压力线回拉数据的专家级解释的标准化替代方案。本研究的主要假设是，AI在确定：1）PCI的血流动力学适当性方面不逊于中位专家的解释;2）与心脏专家团队（HT）在PCI决策意见方面的比较。
2
研究方法
02
Methods
研究人员使用个独立的压力描记来开发算法，该算法基于识别和区分弥散性疾病的局灶性来考虑每个血管iFR（在考虑压力漂移之后）和生理疾病模式。15位专家评估了1,个压力描记（个独特描记和个重复性分析）并被要求评估经皮描记的血流动力学适宜性冠状动脉介入治疗（PCI）。在适当的时候，还要求专家在回拉描记上注释生理上重要病变的位置。然后使用“心脏团队”（定义为对15位专家中的至少8位的解释）作为基准，针对个体专家读者测试AI算法结果的非劣效性（5％非劣效性边缘）。
3
研究结果
03
Results
1.研究人群：平均年龄65.4岁，74%为男性。
2.患者血管特征：中位iFR值为0.87（IQR：0.81-0.91）
3.确定共识意见：下图显示的是冠状动脉压力线拉回迹线（蓝线，顶部），由个体专家人员进行经皮冠状动脉介入（PCI）注释的拉回迹线的部分（*色块，每个专家1行，底部），共识专家人类解释（绿色块，底部）和算法解释（橙色块，底部）。PCI策略共识专家解释是根据拉回迹线的部分创建的，至少有50％的个体专家已经注释了PCI。
4.与共识意见的百分比协议：显示了个体专家（蓝色条），中位专家（橙色条）和算法解释（绿色条）之间的百分比一致性与共识专家人类解释（A）经皮冠状动脉介入治疗（PCI）的适当性，（B）PCI决策。
5.经皮冠状动脉介入治疗的适宜性：（A）由于存在生理上显着的负压线漂移，共识专家人类解释（适用于经皮冠状动脉介入治疗[PCI]）和算法解释（不适合PCI）之间存在分歧。（B）由于存在生理上显着的正压线偏移，共识专家人类解释（不适合PCI）和算法解释（适合PCI）之间存在分歧。（C）共识专家人类解释（不适合PCI）和算法解释（不适合PCI）之间的协议，因为存在生理学上弥漫性的冠状动脉疾病模式，尽管有血流动力学意义。6.算法与专家表现的比较总结：4
研究讨论/总结
04
Conculsion
研究者发现在确定PCI的适宜性方面基于AI的算法解释不劣于中位数专家解释，包括临界iFR为0.88至0.92的患者和具有串联病变的患者，并且对于指导基于生理学的PCI策略而言表现也很好。重要的是，AI算法总能准确识别压力漂移，而专家则错过了大量的电子漂移案例。人工智能算法和*金标准“心脏团队”之间的不一致解释（73个案例中的28个[38％]）的一个显着部分是由于后者对电子漂移的低估，这表明38％的不一致的案例是由于心脏团队专家的错误，而不是AI算法。此外，AI算法的决策再现性为％，优于专家的90.8％的再现性。AI算法的处理速度非常快，达到每秒1.3/iFR的跟踪，最有可能比专家人类对描记的解释更有效。总之，该研究表明，当使用15位专家作为*金标准时，用于解释和指导PCI策略的AI算法不劣于个别专家，AI算法表现出优异的再现性和识别电子漂移的能力。本研究仅调查了冠状动脉血运重建决策的一个方面的AI（即iFR压力线拉回数据。未来的创新应该针对开发系统进行定制，这些系统可以分析和解释影响人类临床决策的多个其他因素（例如，血管造影特征，患者特定因素等)。
写在后面
非常感谢您阅读到了这里，下面小编再延伸一下：
关于本文介绍的这项研究Bon-KwonKoo和HabibSamady博士还发表了题为《StrapInfortheArti?cialIntelligenceRevolutioninInterventionalCardiology》编辑评论，即“介入心脏病学中的人工智能革命”，他们认为：本研究提供了人工智能指导对当代冠状动脉生理学和PCI策略决策制定的诊断解释的一瞥，并为此在冠状动脉生理学领域及其他领域的进一步工作奠定了基础。
参考文献：
1.CookCM,WarisawaT,HowardJP,etal.AlgorithmicVersusExpertHumanInterpretationofInstantaneousWave-FreeRatioCoronaryPressure-WirePullBackData[J].JACCCardiovascInterv,,12(14):-.
2.KooBK,SamadyH.StrapInfortheArtificialIntelligenceRevolutioninInterventionalCardiology[J].JACCCardiovascInterv,,12(14):-
备注：文中数据图也均来自该篇文章中。该篇文章中内容较多，如需原文，请在
