論文の概要: Machine learning prediction of obstructive coronary artery disease using opportunistic coronary calcium and epicardial fat assessments from CT calcium scoring scans

• arxiv url: http://arxiv.org/abs/2605.21762v1
• Date: Wed, 20 May 2026 21:47:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 20:14:18.493523
• Title: Machine learning prediction of obstructive coronary artery disease using opportunistic coronary calcium and epicardial fat assessments from CT calcium scoring scans
• Title（参考訳）: 閉塞性冠動脈疾患の機械学習予測
• Authors: Juhwan Lee, Ammar Hoori, Tao Hu, Justin N. Kim, Mohamed H. E. Makhlouf, Michelle C. Williams, David E. Newby, Robert Gilkeson, Sanjay Rajagopalan, David L. Wilson,
• Abstract要約: CTCS(non-contrast Computed tomography calcium score)は冠状動脈石灰化の検出に広く用いられている費用効率のよい画像モダリティである。 本研究の目的は、CTCS画像から冠状カルシウムと心外膜脂肪の定量的解析を利用して閉塞性冠動脈疾患(CAD)を予測する高度な機械学習フレームワークを開発することである。 CTCS画像から24の臨床的変数、189のカルシウム-オミクス、211の心膜脂肪-オミクスの特徴を抽出・解析した。
• 参考スコア（独自算出の注目度）: 3.6248118596358125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-contrast computed tomography calcium scoring (CTCS) is a cost-effective imaging modality widely used to detect coronary artery calcifications. This study aimed to develop an advanced machine learning framework that utilizes quantitative analyses of coronary calcium and epicardial fat from CTCS images to predict obstructive coronary artery disease (CAD). The study population consisted of 1,324 patients from the SCOT-HEART clinical trial who underwent both CTCS and coronary CT angiography. We extracted and analyzed a broad range of features, including 24 clinical variables, 189 calcium-omics, and 211 epicardial fat-omics features from the CTCS images. Feature selection was conducted using the CatBoost algorithm combined with SHapley Additive exPlanation (SHAP) values. Predictive modeling utilized the CatBoost gradient boosting method, focusing on the most informative features. From an initial set of 424 candidate features, 14 were identified as most predictive through the CatBoost-SHAP method. The top two predictive features originated from fat-omics, with the remaining 12 features derived from calcium-omics. The optimized model achieved robust predictive capabilities, demonstrating a sensitivity of 83.1+/-4.6%, specificity of 93.8+/-1.7%, accuracy of 85.3+/-2.0%, and an F1 score of 73.9+/-3.3%. Inclusion of calcium-omics and fat-omics data significantly improved predictive performance. Notably, the model also showed reliable predictive accuracy in patients with diverse coronary calcium scores, including cases with obstructive CAD despite a zero-calcium score. This innovative approach holds promise for improving clinical decision-making and potentially reducing dependence on contrast-enhanced or invasive diagnostic procedures, particularly within low-to intermediate-risk patient groups.
• Abstract（参考訳）: CTCS(non-contrast Computed tomography calcium score)は冠状動脈石灰化の検出に広く用いられている費用効率のよい画像モダリティである。 本研究の目的は、CTCS画像から冠状カルシウムと心外膜脂肪の定量的解析を利用して閉塞性冠動脈疾患(CAD)を予測する高度な機械学習フレームワークを開発することである。 CTCSと冠動脈造影の両方を施行したSCOT-HEART臨床試験の患者は1,324人であった。 CTCS画像から24の臨床的変数、189のカルシウム-オミクス、211の心膜脂肪-オミクスの特徴を抽出・解析した。 SHAP(SHapley Additive exPlanation)値と組み合わせたCatBoostアルゴリズムを用いて特徴選択を行った。 予測モデリングは、最も有意義な特徴に焦点をあてたCatBoost勾配上昇法を利用した。 最初の424種類の候補から,14種がCatBoost-SHAP法により最も予測的であった。 上位2つの予測的特徴は脂肪ミクスに由来するが、残りの12つの特徴はカルシウムミクスに由来する。 最適化されたモデルは、83.1+/-4.6%の感度、93.8+/-1.7%の特異性、85.3+/-2.0%の精度、F1スコア73.9+/-3.3%の堅牢な予測能力を達成した。 カルシウム・オミクスと脂肪・オミクスのデータは予測性能を著しく向上させた。 また, カルシウム濃度がゼロであったにもかかわらず, 閉塞性CAD症例を含め, 各種の冠カルシウム濃度の予測精度も良好であった。 この革新的なアプローチは、特に低リスクから中リスクの患者グループにおいて、臨床意思決定の改善とコントラスト強化または侵襲的な診断手順への依存の軽減を約束する。

関連論文リスト

• Quantitative coronary calcification analysis for prediction of myocardial ischemia using non-contrast CT calcium scoring [5.233186302041333]
  本研究は, 大学病院クリーブランド医療センターにて, 非コントラストCTCSおよびレガデノソン負荷心筋ポジトロン断層心筋灌流法を1年以内に施行した1,375例について検討した。 臨床変数,Agatstonスコア,Ca-Omics特徴を含む74変数について検討した。 日常的に取得した非コントラストCTCSスキャンを用いて心筋虚血を予測するための機械学習手法を開発した。
  論文  参考訳（メタデータ） (2026-05-20T21:16:52Z)
• Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
  145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。 我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。 以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-08T17:47:35Z)
• Skeleton-Guided Diffusion Model for Accurate Foot X-ray Synthesis in Hallux Valgus Diagnosis [12.427745726658461]
  世界の人口の約19%に影響を及ぼすハルース・バルガスは、度重なるX線による評価を必要とする。 既存のX線モデルは、画像の忠実さ、骨格の一貫性、物理的制約のバランスをとるのに苦労することが多い。 骨格拘束条件拡散モデル(SCCDM)を提案し,骨格ランドマークを利用した足跡評価手法であるKCCを導入する。
  論文  参考訳（メタデータ） (2025-05-13T05:57:15Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Enhancing cardiovascular risk prediction through AI-enabled calcium-omics [4.035300372916709]
  冠動脈カルシウム(CAC)は大血管障害(MACE)の強力な予測因子である 詳細な石灰化特徴(カルシウムオミクス)を用いたAI手法が、MACE予測を改善することができるかどうかを判定する。 以上の結果から, リスク予測の改善にカルシウムオミクスが有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T16:05:14Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• Cervical Optical Coherence Tomography Image Classification Based on Contrastive Self-Supervised Texture Learning [2.674926127069043]
  本研究の目的は,コンピュータ支援診断(CADx)による頚部CT画像の自己教師付き学習に基づく分類を行うことである。 畳み込みニューラルネットワーク(CNN)によって抽出された高レベルのセマンティックな特徴に加えて、CADxアプローチでは、対照的なテクスチャ学習によって学習された未ラベルの頚部CT画像のテクスチャ特徴を利用する。
  論文  参考訳（メタデータ） (2021-08-11T07:52:59Z)
• Ensemble machine learning approach for screening of coronary heart disease based on echocardiography and risk factors [19.076443235356873]
  我々は,モデル積み重ねにより,多くの一般的な分類手法を統合する機械学習アプローチを開発した。 CHD分類の精度は,テストセットで約70%から87.7%に向上した。
  論文  参考訳（メタデータ） (2021-05-20T11:04:58Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。