metricas
covid
Buscar en
Revista Española de Medicina Nuclear e Imagen Molecular
Toda la web
Inicio Revista Española de Medicina Nuclear e Imagen Molecular Precisión diagnóstica mejorada para la imagen de perfusión miocárdica usando...
Información de la revista
Vol. 38. Núm. 5.
Páginas 275-279 (septiembre - octubre 2019)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
54
Vol. 38. Núm. 5.
Páginas 275-279 (septiembre - octubre 2019)
Original
Precisión diagnóstica mejorada para la imagen de perfusión miocárdica usando redes neuronales artificiales en diferentes variables de entrada incluyendo datos clínicos y de cuantificación
Improved diagnostic accuracy for myocardial perfusion imaging using artificial neural networks on different input variables including clinical and quantification data
Visitas
54
R. Rahmania, P. Niazib, M. Naserib, M. Neishabourib, S. Farzanefarb, M. Eftekharic, F. Derakhshanb, R. Mollazadeha, A. Meysamid, M. Abbasib,
Autor para correspondencia
meabbasi@tums.ac.ir

Autor para correspondencia.
a Cardiology Department, Imam-Khomeini Hospital Complex, Tehran University of Medical Sciences, Tehran, Iran
b Department of Nuclear Medicine, Vali-asr Hospital, Tehran University of Medical Sciences, Tehran, Iran
c Research Institute for Nuclear Medicine, Shariati Hospital, Tehran University of Medical Sciences, Tehran, Iran
d Department of Social Medicine, Tehran University of Medical Sciences, Tehran, Iran
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (1)
Tablas (2)
Tabla 1. Características clínicas de los pacientes con IPM normal y alterada
Tabla 2. Rendimiento diagnóstico de la IPM sola y de la RNA utilizando la IPM además de combinaciones progresivas con la edad, sexo, número de factores de riesgo cardíaco y cuentas de los mapas polares de esfuerzo y reposo de la IPM
Mostrar másMostrar menos
Resumen
Objetivo

La precisión diagnóstica de la imagen de perfusión miocárdica (IPM) no es óptima para predecir el resultado de la angiografía. El objetivo del presente estudio es investigar la aplicación de la red neuronal artificial (RNA) para integrar los datos clínicos con el resultado y la cuantificación de la IPM.

Métodos

De 923 pacientes con IPM, se reclutaron 93 que se sometieron a angiografía. Se recogieron los datos clínicos, incluidos los factores de riesgo cardíaco, y se registraron los resultados de la IPM y la angiografía coronaria. Se calculó la cuantificación de las gráficas polares IPM (es decir, los recuentos de 20 segmentos de cada una de las gráficas polares de esfuerzo y de reposo) y la puntuación de Gensini de las angiografías. La RNA fue diseñada integrando datos clínicos y de cuantificación para predecir el resultado de la angiografía (normal vs. anormal), la enfermedad coronaria no obstructiva u obstructiva (EAC) y la puntuación de Gensini (≥10 y <10). Las RNA fueron diseñadas para predecir los resultados de la angiografía usando diferentes combinaciones de datos como sigue: informes de IPM, la cuantificación de 40 segmentos de diagramas polares de esfuerzo y reposo, y la cuantificación de estos 40 segmentos además de la edad, el sexo y el número de factores de riesgo. Se comparó el rendimiento diagnóstico de la IPM con diferentes RNA.

Resultados

La precisión de la IPM para predecir el resultado de la angiografía, la EAC obstructiva y la puntuación de Gensini aumentó del 81,7 al 92,9%, del 65,0 al 85,7% y del 50,5 al 92,9%, respectivamente, mediante la RNA con cuantificación y factores de riesgo clínicos.

Conclusión

La precisión diagnóstica de la IPM podría mejorarse mediante la RNA, utilizando datos clínicos y de cuantificación.

Palabras clave:
Imagen de perfusión miocárdica
Enfermedad de las arterias coronarias
Puntuación de Gensini
Redes neurales artificiales
Abstract
Objective

Diagnostic accuracy of myocardial perfusion imaging (MPI) is not optimal to predict the result of angiography. The current study aimed at investigating the application of artificial neural network (ANN) to integrate the clinical data with the result and quantification of MPI.

Methods

Out of 923 patients with MPI, 93 who underwent angiography were recruited. The clinical data including the cardiac risk factors were collected and the results of MPI and coronary angiography were recorded. The quantification of MPI polar plots (i.e. the counts of 20 segments of each stress and rest polar plots) and the Gensini score of angiographies were calculated. Feed-forward ANN was designed integrating clinical and quantification data to predict the result of angiography (normal vs. abnormal), non-obstructive or obstructive coronary artery disease (CAD), and Gensini score (≥10 and <10). The ANNs were designed to predict the results of angiography using different combinations of data as follows: reports of MPI, the counts of 40 segments of stress and rest polar plots, and the count of these 40 segments in addition to age, gender, and the number of risk factors. The diagnostic performance of MPI with different ANNs was compared.

Results

The accuracy of MPI to predict the result of angiography, obstructive CAD, and Gensini score increased from 81.7% to 92.9%, 65.0% to 85.7%, and 50.5% to 92.9%, respectively by ANN using counts and clinical risk factors.

Conclusion

The diagnostic accuracy of MPI could be improved by ANN, using clinical and quantification data.

Keywords:
Myocardial perfusion imaging
Coronary artery disease
Gensini score
Artificial neural networks

Artículo

Opciones para acceder a los textos completos de la publicación Revista Española de Medicina Nuclear e Imagen Molecular
Socio
Si es usted socio de la Sociedad Española de Medicina Nuclear e Imagen Molecular (SEMNIM) puede acceder al texto completo de los contenidos de la Revista Española de Medicina Nuclear e Imagen Molecular desde los enlaces a la revista publicados en la web de la SEMNIN (enlace a https://semnim.es/iniciar-sesion/), previo inicio de sesión como socio. Si tiene problemas de acceso puede contactar con la Secretaría Técnica de la SEMNIM en el correo electrónico secretaria.tecnica@semnim.es o en el teléfono: + 34 619 594 780
Suscriptor
Suscriptor de la revista

Si ya tiene sus datos de acceso, clique aquí.

Si olvidó su clave de acceso puede recuperarla clicando aquí y seleccionando la opción "He olvidado mi contraseña".
Suscribirse
Suscribirse a:

Revista Española de Medicina Nuclear e Imagen Molecular

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 19,34 €

Comprar ahora
Contactar
Teléfono para suscripciones e incidencias
De lunes a viernes de 9h a 18h (GMT+1) excepto los meses de julio y agosto que será de 9 a 15h
Llamadas desde España
932 415 960
Llamadas desde fuera de España
+34 932 415 960
E-mail
Opciones de artículo
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos