日本語AIでPubMedを検索
心臓MRIにおける左室容積と機能の完全自動定量化：ディープラーニングベースのアルゴリズムの臨床評価
Fully automated quantification of left ventricular volumes and function in cardiac MRI: clinical evaluation of a deep learning-based algorithm.
PMID: 32677023 DOI: 10.1007/s10554-020-01935-0.
抄録
心臓MRIにおける左室（LV）容積と機能の完全自動定量化のためのディープラーニングベースのアルゴリズムの性能を調査すること。我々は50人の患者（男性74％、年齢中央値57歳）のMR検査をレトロスペクティブに分析した。最も一般的な適応は、虚血性心疾患、心筋症、心筋炎の既往または疑いであった。LVボリュームと機能の完全自動解析は、ディープラーニングベースのアルゴリズムを使用して行われた。解析はその後、上級循環器放射線科医によって修正された。2人の放射線科研修医が手動で容積解析を行った。体積解析の結果は、Bland-Altman統計とクラス内相関係数を用いて比較した。臨床的に関連する相違の頻度は、再分類率を用いて分析した。完全に自動化された容積分析は中央値8秒で完了した。専門家によるレビューと修正を行うと、解析には中央値110秒が必要となりました。手動解析に要した時間の中央値は、心臓血管イメージングフェローでは3.5分、放射線科研修医では9分であった（すべての比較でp<0.0001）。完全自動化された結果と専門家による補正結果の間の相関は非常に強く、クラス内相関係数は拡張末期容積で0.998、収縮末期容積で0.997、脳卒中容積で0.899、駆出率で0.972、心筋量で0.991であった（いずれもp<0.001）。完全自動化された結果と専門家による補正結果の間に臨床的に意味のある差が18%の症例で発生したが、これは2つの手動リーダーの間の割合（20%）に匹敵するものであった。ディープラーニングをベースとしたLVボリュームと機能の完全自動解析は、実行可能で、時間効率が良く、高精度である。臨床的に適切な補正が必要な症例は少数である。
To investigate the performance of a deep learning-based algorithm for fully automated quantification of left ventricular (LV) volumes and function in cardiac MRI. We retrospectively analysed MR examinations of 50 patients (74% men, median age 57 years). The most common indications were known or suspected ischemic heart disease, cardiomyopathies or myocarditis. Fully automated analysis of LV volumes and function was performed using a deep learning-based algorithm. The analysis was subsequently corrected by a senior cardiovascular radiologist. Manual volumetric analysis was performed by two radiology trainees. Volumetric results were compared using Bland-Altman statistics and intra-class correlation coefficient. The frequency of clinically relevant differences was analysed using re-classification rates. The fully automated volumetric analysis was completed in a median of 8 s. With expert review and corrections, the analysis required a median of 110 s. Median time required for manual analysis was 3.5 min for a cardiovascular imaging fellow and 9 min for a radiology resident (p < 0.0001 for all comparisons). The correlation between fully automated results and expert-corrected results was very strong with intra-class correlation coefficients of 0.998 for end-diastolic volume, 0.997 for end-systolic volume, 0.899 for stroke volume, 0.972 for ejection fraction and 0.991 for myocardial mass (all p < 0.001). Clinically meaningful differences between fully automated and expert corrected results occurred in 18% of cases, comparable to the rate between the two manual readers (20%). Deep learning-based fully automated analysis of LV volumes and function is feasible, time-efficient and highly accurate. Clinically relevant corrections are required in a minority of cases.