武大团队研发高光谱成像技术，无创诊断冠心病准确率超90%

创作时间:

2025-01-22 01:31:53

作者:

@小白创作中心

武大团队研发高光谱成像技术，无创诊断冠心病准确率超90%

在心血管疾病诊断领域，一项创新性研究正在引起广泛关注。武汉大学人民医院心内科团队在第100届美国心脏协会科学年会上发表的研究成果显示，通过口腔非侵入性高光谱成像技术，可以有效预测冠心病。这一发现为冠心病的早期诊断和治疗提供了新的可能性。

2024年11月16—18日，第100届美国心脏协会科学年会（AHA 2024）在美国芝加哥召开。本次大会会集了全球心血管病学领域专家学者，共同探讨心血管系统疾病的研究成果及临床标准。在此次盛会中，武汉大学人民医院心内科江洪教授、余锂镭教授团队表现出色，他们的多项研究成果被选中进行口头报告及壁报展示，研究涵盖了心血管系统疾病的多个重要方面。团队成员代表武汉大学人民心内团队在AHA大会汇报交流12项，获得了多方认可。

中国医学论坛报社还特别邀请了江洪教授、余锂镭教授团队，对12项研究成果进行详细介绍，以便让更多的心血管同道了解并受益于这些前沿的科研进展。

江洪教授、余锂镭教授团队成员在AHA 2024大会现场合影（从左至右依次为王长毅、王悦怡、周丽平和刘承哲）

研究背景

冠状动脉粥样硬化性心脏病（CAD）是心血管疾病中最常见的类型，也是全球范围内导致死亡的主要原因之一。及时识别CAD高风险个体，对于优化CAD干预治疗的效果至关重要。然而，目前缺乏一种非侵入性工具来有效辅助CAD的诊断。本研究旨在探讨高光谱成像（HSI）在CAD诊断中的有效性。

研究方法

在2023至2024年期间，研究团队前瞻性地招募了伴有胸痛且有CAD风险的患者，并进行冠状动脉造影。通过HSI技术获取舌背部位的高光谱图像特征。最终分析包含了4750张来自所有患者的高光谱图像。所有图像被分为训练集（n=2555）、内部测试集（n=1095）和外部测试集（n=1095）。共构建了31个模型，采用30种单一机器学习技术来构建预测模型。此外，还建立了一个融合模型。模型的有效性通过以下指标进行评估：曲线下面积（AUC）、决策分析曲线、校准曲线、准确率、敏感性、特异性、阳性预测值、阴性预测值和F1分数。

研究结果

从30个模型中选择了表现最佳的前5个模型，包括高斯过程（GP）、随机森林（RF）、支持向量机（SVM）、梯度提升（GB）和TheilSen。前五个模型的AUC分别为0.879、0.827、0.844、0.854和0.783。基于决策层策略，选择了GP、GB和SVM模型来开发融合模型（GP-GB-SVM模型）。该融合模型（GP-GB-SVM）表现出最高的性能，在内部测试集中的AUC为0.92，在外部测试集中的AUC为0.86。