论文部分内容阅读
冠心病（Coronary Artery Disease,CAD）已经成为我国居民慢性病的主要死因,其发病率和死亡率正逐年上升,且呈现出年轻化的趋势,给我国带来了沉重的医疗和社会负担。因此,有效且准确地早期诊断对CAD的有效控制意义重大。正电子发射断层显像（Positron Emission Tomography,PET）作为一种非侵入性的检查方式,是利用放射性核素对生物体内的生理、生化、代谢活动进行显像,对疑似或确诊CAD患者的诊断、危险分层与预后评价起到了重要作用。其中,PET心肌灌注显像（Myocardial Perfusion Imaging,MPI）能够无创、准确地定量测量心肌血流量、心肌血流储备等临床诊断信息,可满足临床对CAD危险分层与治疗决策的定量需求。18F-FDG PET心肌代谢显像（Myocardial Metabolic Imaging,MMI）是目前判断心肌存活的“金标准”,能够有效、准确地评估存活心肌的活力,可用于指导CAD的血运重建和预后评价。PET MPI包含静息与负荷显像两部分:静息MPI是指受试者在平静状态下注射示踪剂后进行显像;负荷MPI是指受试者在运动、药物等负荷手段介入下注射示踪剂后进行心肌显像。然而,运动或者药物负荷MPI检查期间,中重度的CAD患者,尤其是老年人,容易发生心脏恶性事件,例如致命性心律不齐、心源性休克等。医生和患者都需要承担巨大的心理压力和风险。因此,我国临床核医学科室（以广东省人民医院核医学科为例）,多采用静息PET MPI与MMI相结合的扫描方式,医生依据临床经验及部分指标对心肌存活进行鉴别,但并未将其用作阻塞性CAD的诊断。冠状动脉造影（Coronary Angiography,CAG）是临床诊断阻塞性CAD的“金标准”,该方法虽简单易行,但存在有创、造影剂过敏、血管损伤等缺点。鉴于此,本研究提出将静息PET心肌灌注显像与代谢显像相关的定量指标相结合,构建冠脉血管分类的机器学习模型,为阻塞性CAD的无创诊断提供更加可靠、安全、准确的指导,以提升现有指标的诊断效能。本文的工作主要包含以下两个方面:（1）基于逻辑回归的方法,分析了定量的“灌注-代谢不匹配”（MIS）指标对阻塞性CAD诊断的价值。为了评估定量的MIS指标能否在静息MPI的基础之上,进一步提升阻塞性CAD诊断的准确性,本项工作构建了多个逻辑回归分类模型;结果显示定量的MIS指标是阻塞性CAD诊断的有效预测因子,其最佳截断值为9%;包含MIS指标的多变量模型具有最高的诊断准确性（AUC:0.839）,且与对照组相比,存在统计学意义（p=0.0034）;结果表明定量的MIS指标能够为阻塞性冠心病的诊断提供更多有效信息,可提高诊断准确性。（2）基于七种机器学习方法,研究了静息心肌灌注与代谢联合显像相关的定量指标及其所有组合对阻塞性CAD的诊断价值。将静息MPI和MMI的定量指标随机结合,构建了 4个单变量模型和11个多变量模型,使用七种机器学习算法对模型分别训练,并在验证集中比较模型性能;结果显示基于SVM方法的多变量模型（Model234）具有最高的sumScore、AUC、准确度和敏感性,表现出最佳的分类性能;其次,为了观察该模型在特定人群中的性能,进行了四组亚组分析,结果显示该模型依然表现出较好的诊断准确性。结果表明,静息MPI和MMI联合显像能够在阻塞性CAD的诊断中表现出较高的准确性,可将其作为阻塞性冠心病无创诊断的首选方法,以减少不必要的有创手术。