|
平成30年度に行ったMulti-energy imaging による脆弱性プラークの機械学習による診断モデルを用いて、令和元年度は新たな集団を対象にバリデーション研究を実施した。脆弱性プラークの参照基準は冠動脈造影時の血管内内視鏡所見により決定した。専用画像解析ソフトウェアを使用してmulti-energy CT画像から冠動脈プラーク領域を抽出し、7項目のヒストグラム特徴量を取得し、機械学習（ランダムフォレスト）を用いて解析を行った。
結果、7項目のヒストグラム特徴量を総合的に用いることで脆弱性プラークを比較的高い精度（AUC=0.8程度）で分類することができた。これは従来のCT値による診断能より高いものだった。仮想単色X線画像のエネルギー毎の診断能を比較したところ、65keV画像で脆弱性プラークの診断能を最大化できることが確認できた。
本研究結果を2019年12月の北米放射線会議で発表した。
|
