编辑推荐：
为解决冠状动脉优势分类在心血管疾病评估中的难题，莫斯科动力工程学院的研究人员开展冠状动脉优势分类血管造影数据集研究，构建了含 1574 例研究的数据集，为相关研究提供重要基准，有助于提升心血管疾病评估准确性。
在心血管疾病的诊疗领域，冠状动脉优势分类是评估冠状动脉疾病严重程度的关键环节，它在 SYNTAX（Synergy Between Percutaneous Coronary Intervention with Taxus and Cardiac Surgery）评分估计中占据着不可或缺的地位。简单来说，冠状动脉优势分类就是依据为后降支动脉（PDA）供血的冠状动脉分支，将其分为左优势型、右优势型和共优势型。然而，目前这一分类过程却面临着诸多挑战。一方面，共优势型在 SYNTAX 评分系统中没有明确标准，在实际计算评分时，若遇到为 PDA 供血的动脉情况复杂的病例，临床医生只能选择 “右优势型” ，但这种做法在右冠状动脉较细、心肌供血区域有限时，会导致分类模糊，不同评估者之间的结果差异较大。另一方面，冠状动脉优势分类受多种因素干扰，像冠状动脉完全闭塞、右冠状动脉（RCA）直径过小、血管造影图像质量差以及存在伪影等，这些因素使得准确分类变得困难重重。
为了攻克这些难题，来自莫斯科动力工程学院（Applied mathematics and artificial intelligence, Moscow Power Engineering Institute）等多个机构的研究人员展开了深入研究。他们构建了一个全新的冠状动脉优势分类血管造影数据集，该研究成果为心血管疾病评估的精准化提供了有力支持。相关成果发表于《Scientific Data》期刊。
在研究过程中，研究人员采用了介入性冠状动脉造影技术收集数据。数据来源于俄罗斯科学院秋明心脏病研究中心（Tyumen Cardiology Research Center）2016 年 1 月至 2023 年 11 月期间接受介入性冠状动脉造影的患者，共计 1574 例。研究严格遵循《赫尔辛基宣言》的伦理原则，并获得了秋明心脏病研究中心伦理委员会的批准。为保护患者隐私，所有数据均进行了完全匿名化处理。研究人员使用最新的指南和先进的介入血管造影系统（Phillips Allura Clarity 和 Philips Azurion）采集数据，造影剂选用碘普罗胺，帧率为每秒 15 帧。由三位经验丰富的介入心脏病专家提供冠状动脉优势的真实信息，其中一位经验超过 15 年的专家标注被视为金标准 。此外，研究人员还运用神经网络对数据进行归一化、去除伪影以及自动分类等处理。
研究结果
- 数据集构成：该数据集包含三个部分，分别是主数据集、真实分布数据集和领域转移数据集。主数据集有 1025 例研究，来源于 Phillips Allura Clarity 心血管成像系统，用于模型训练和超参数微调，其中每个研究被分为质量差、伪影、RCA 小直径（不确定性）、闭塞或正常这五类。真实分布数据集有 400 例随机选择的研究，同样来自 Phillips Allura Clarity 系统，它反映了临床所有研究的真实分布情况。领域转移数据集包含 149 例研究，来自 Philips Azurion 心血管成像系统，研究人员还增加了部分左优势型研究 。
- 模型性能评估：研究人员开发了冠状动脉优势分类的基线模型，该模型在真实分布数据集上测试时，准确率达到约 97%，但在领域转移数据集上，准确率下降至 89%。在闭塞分类方面，召回率约为 99%，精确率约为 85%。通过分析模型失败的案例发现，左优势型研究误分类主要是由于伪影，而右优势型研究则主要是因为 RCA 小直径。
- 不确定性分析：研究人员利用模型采样和单网络方法对冠状动脉优势分类的不确定性进行估计。结果显示，来自其他心血管成像系统的数据或存在伪影的血管造影数据，由于领域转移，熵值显著较高；而不确定性案例熵值最高，准确率最低，因为它们处于决策边界附近。
研究结论与意义
这项研究构建的冠状动脉优势分类血管造影数据集是该领域首个完整的数据集，为后续研究提供了重要的基准。它可以用于测试 3D 多视图方法在领域转移情况下的效果，有助于评估算法在不同条件下的稳定性，还能用于估计不确定性和检测异常值。在临床应用方面，数据集的研究成果有助于提高冠状动脉优势分类的准确性，进而提升 SYNTAX 评分估计的可靠性，为冠状动脉疾病的诊断和治疗提供更精准的依据。此外，数据集中丰富的血管造影数据还可用于其他心血管相关任务的预训练，如动脉分割或狭窄检测，进一步拓展了研究的应用范围。
综上所述，该研究成果在心血管疾病评估领域具有重要的意义，为后续研究和临床实践提供了有价值的资源和参考，有望推动心血管疾病诊疗技术的进一步发展。
