Purpose: Evaluation of machine learning-based fully automated artery-specific coronary artery calcium (CAC) scoring software, using semi-automated software as a reference.
Methods: A total of 505 patients underwent non-contrast-enhanced calcium scoring computed tomography (CSCT). Automated, machine learning-based software quantified the Agatston score (AS), volume score (VS), and mass score (MS) of each coronary artery [right coronary artery (RCA), left main (LM), circumflex (CX) and left anterior descending (LAD)]. Identified CAC of readers who annotated the data with semi-automated software served as a reference standard. Statistics included comparisons of evaluation time, agreement of identified CAC, and comparisons of the AS, VS, and MS of the reference standard and the fully automated algorithm.
Results: The machine learning-based software correlated strongly with the reference standard for the AS, VS, and MS (Spearman's rho > 0.969) (p < 0.001), with excellent agreement (ICC > 0.919) (p < 0.001). The mean assessment time of the reference standard was 59 seconds (IQR 39-140) and that of the automated algorithm was 5.9 seconds (IQR 3.9-16) (p < 0.001). The Bland-Altman plots mean difference and 1.96 upper and lower limits of agreement for all arteries combined were: AS 0.996 (1.33 to 0.74), VS 0.995 (1.40 to 0.71), and MS 0.995 (1.35 to 0.74). The mean bias was minimal: 0.964-1.0429. Risk class assignment showed high accuracy for the AS in total (weighed κ = 0.99) and for each individual artery (κ = 0.96-0.99) with corresponding correct risk group assignment in 497 of 505 patients (98.4 %).
Conclusion: The fully automated artery-specific coronary calcium scoring algorithm is a time-saving procedure and shows excellent correlation and agreement compared with the clinically established semi-automated approach.
Key points: · Very high correlation and agreement between fully automatic and semi-automatic calcium scoring software.. · Less time-consuming than conventional semi-automatic methods.. · Excellent tool for artery-specific calcium scoring in a clinical setting..
Citation format: · Winkelmann MT, Jacoby J, Schwemmer C et al. Fully Automated Artery-Specific Calcium Scoring Based on Machine Learning in Low-Dose Computed Tomography Screening. Fortschr Röntgenstr 2022; 194: 763 - 770.
ZIEL: Evaluierung einer auf maschinellem Lernen basierenden vollautomatischen arterienspezifischen Software zur Bewertung des Koronarkalkes (CAC), unter Verwendung einer halbautomatischen Software als Referenz.
Methoden: Bei insgesamt 505 Patienten wurde eine nicht kontrastverstärkte Calcium-Scoring-Computertomografie (CSCT) durchgeführt. Eine automatisierte, auf Machine Learning basierende Software quantifizierte den Agatston-Score (AS), Volumen-Score (VS) und Massen-Score (MS) jeder Koronararterie (rechte Koronararterie [RCA], linke Koronararterie [LM], Ramus circumflexus [CX] und Ramus interventricularis anterior [LAD]). Ermittelte CAC der Reader, die die Daten mit einer halbautomatischen Software annotierten, dienten als Referenzstandard. Die Statistik umfasste Vergleiche der Auswertungszeit, Übereinstimmung der identifizierten CAC sowie Vergleiche von AS, VS und MS des Referenzstandards und vollautomatischen Algorithmus.
Ergebnisse: Die auf maschinellem Lernen basierende Software korrelierte stark mit dem Referenzstandard für AS, VS und MS (Spearmanʼs rho > 0,969) (p < 0,001), mit hervorragender Übereinstimmung (ICC > 0,919) (p < 0,001). Die mittlere Bewertungszeit des Referenzstandards betrug 59 s (IQR 39–140) und die des automatischen Algorithmus 5,9 s (IQR 3,9–16) (p < 0,001). Die mittlere Differenz der Bland-Altman-Plots und die bei 1.96 × Standardabweichung definierten oberen und unteren Grenzen der Übereinstimmung für alle Arterien zusammen betrugen: AS 0,996 (1,33 bis 0,74), VS 0,995 (1,40 bis 0,71), und MS 0,995 (1,35 bis 0,74). Der mittlere Bias war minimal: 0,964–1,0429. Die Risikoklassenzuordnung zeigte eine hohe Genauigkeit für den AS in Summe (gewichtetes κ = 0,99) und für jede Arterie (κ = 0,96–0,99) mit entsprechender korrekter Risikogruppenzuordnung bei 497 von 505 Patienten (98,4 %).
Schlussfolgerung: Der vollautomatische arterienspezifische Koronarkalk-Scoring-Algorithmus ist ein zeitsparendes Verfahren und zeigt eine hervorragende Korrelation und Übereinstimmung mit dem klinisch etablierten halbautomatischen Ansatz.
Kernaussagen: · Sehr hohe Korrelation und Übereinstimmung zwischen vollautomatischer und halbautomatischer Kalziumbewertungssoftware.. · Weniger zeitaufwendig als herkömmliche halbautomatische Verfahren.. · Hervorragendes Instrument zur arterienspezifischen Kalziumbestimmung im klinischen Alltag..
Thieme. All rights reserved.