Cardiologie clinique et expérimentale
Libre accès

Abstrait

L'intelligence artificielle pour l'interprétation de l'angiographie coronarienne par tomodensitométrie : l'apprentissage automatique peut-il améliorer les performances diagnostiques ?

Daisuke Utsunomiya*, Takeshi Nakaura et Seitaro Oda

Français Le développement récent de l'intelligence artificielle (IA) et du système d'apprentissage automatique a le potentiel d'améliorer le diagnostic clinique de la maladie coronarienne. L'angiographie coronarienne par tomodensitométrie (CCTA) fournit des informations importantes sur les artères coronaires : c'est-à-dire la gravité de la sténose, la longueur des lésions, l'atténuation de la plaque et le degré de dépôt de calcium. Cependant, l'analyse complète de ces facteurs peut être difficile. Nous avons analysé les caractéristiques des patients et les résultats de la CCTA de 56 patients. Nous avons utilisé l'IA (une forêt aléatoire) pour identifier les lésions liées à l'ischémie et comparer les performances diagnostiques d'une forêt aléatoire et d'une analyse de régression logistique. Par l'analyse d'une forêt aléatoire, la zone sous la courbe est passée de 0,89 (une analyse de régression logistique) à 0,95 (une forêt aléatoire). Les modèles d'apprentissage automatique peuvent être utiles pour l'interprétation de la CCTA pour détecter les lésions coronaires liées à l'ischémie.