CORAL:一种从多普勒冠状动脉血流模式中识别冠状动脉微血管疾病的机器学习算法

CORAL: a machine learning algorithm to identify coronary microvascular disease from doppler coronary blood flow patterns

作者信息Aaron J Trask, Yukie Ueyama, Jamie Bossenbroek, Michael R McDermott, Patricia E McCallinhart, Arslan Erdengasileng, Ian L Sunyecz, William C Ray, Christopher W Bartlett
PMID43021275
发布时间2026-10
DOI10.1186/s12933-026-03396-6

实验完整度

高

使用db/db和WD两种小鼠模型,结合超声心动图、PV环导管术及独立测试集验证CORAL分类性能

主要模型

T2D db/db小鼠(12、16、36周龄) 对照Db/db小鼠 西方饮食喂养C57BL/6J小鼠(20周)

重点核对

db/db与Db/db小鼠在12、16、36周龄的分组及样本量(每组68-92只) 西方饮食喂养20周与正常饮食对照的分组(每组n=20) CBF图像采集于基线(1%异氟烷)和充血(3%异氟烷)条件 ML数据集划分:训练集70%、测试集10%、独立测试集20% 主要评价指标为动物水平准确率,模型训练90个epoch

摘要

背景:在患者中直接诊断冠状动脉微血管疾病(CMD)仍然难以实现,依赖于组合诊断标准。近期小鼠数据提示,冠状动脉血流(CBF)模式蕴含“指纹”特征,可能成为CMD的新型无创指标。目的:本研究旨在检验以下假设:对CBF模式进行机器学习(ML)能够直接、准确地识别CMD。方法:ML的训练和测试数据来自对照组和糖尿病db/db小鼠,涵盖早期(12周龄)、确立期(16周龄)和衰老期(36周龄)伴CMD的小鼠(n=460)。独立测试数据来自西方饮食喂养(WD)的CMD小鼠模型(n=40)。所有小鼠均通过超声心动图和压力-容积(PV)环导管术评估CBF和心脏功能。CBF图像经处理后输入CORAL(Coronary Risk Assessment with Learning),这是一种ML分类器,可通过多层感知机选择性输入心脏功能特征。结果:使用CORAL进行CBF模式分析在12周龄——CMD早期——取得了100%的显著准确率。CORAL在测试集和独立测试集中分别以81%和83%的准确率正确识别确立期CMD。纳入心脏功能后,测试集和独立测试集的准确率分别提升至89%和90%。结论:本研究证明CORAL具有一种新能力,能够解锁CBF模式中此前未被利用的特征,从而在疾病进展早期准确识别CMD。我们设想,对CORAL的进一步改进可能实现患者CMD的直接准确诊断。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
对经胸多普勒超声心动图获得的CBF模式进行机器学习,能否直接、准确地识别CMD?
核心机制
CBF模式图像蕴含可被SWIN Transformer提取的判别性特征,结合心脏功能变量可提高CMD分类准确性;CORAL通过图像特征学习实现CMD识别。
主要证据
在db/db小鼠测试集中,仅图像模型在12、16、36周龄的准确率分别为100%、81%、80%,合并87%;在WD独立测试集中仅图像准确率为83%;加入超声心动图特征后测试集准确率最高89%,独立测试集最高93%。
研究意义
研究表明CBF模式含有可预测CMD的信息,CORAL可能有助于未来在患者中实现直接、准确的CMD诊断,尤其在疾病早期。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

CMD小鼠模型建立与表型确认

建立并确认具有CMD的db/db和WD小鼠模型

使用db/db小鼠及西方饮食喂养小鼠,通过超声心动图和PV环导管术评估CBF、CFR、CFVR、CVRI及心脏功能,确认CMD表型

2

多普勒CBF图像采集与预处理

获取并处理用于机器学习的CBF模式图像

经胸多普勒超声采集CBF录像,转换为条带图,按ECG分割心动周期,过滤低质量图像,提取血流相关变量

3

CORAL模型训练与测试

训练SWIN Transformer分类器并评估其识别CMD的准确性

使用db/db数据集训练SWIN模型,可选融合超声心动图或PV环心脏功能特征,在内部测试集和WD独立测试集评估准确率

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
AlphaTrak血糖仪Abbott Laboratories--
VisualSonics Vevo 2100超声系统VisualSonics--
30 MHz探头----
Transonic SciSense压力-容积环导管Transonic SciSense--
机械呼吸机Model SAR-830/PCWE, IncSAR-830/P
脱毛膏(Nair)Nair--
西方饮食(TestDiet 5APC改良型)TestDiet5APC

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
动物模型与分组
db/db与Db/db小鼠的周龄(12、16、36周)及每组样本量(68-92只);WD小鼠喂食西方饮食20周,每组n=20
阅读提示:Methods中Animal models小节及Table 1、Table 2
CBF超声采集条件
异氟烷浓度:基线1%、充血3%;使用30 MHz探头;左主干冠状动脉测量
阅读提示:Methods中Coronary blood flow/cardiac functional measurements小节及Supplementary Fig. 1
机器学习数据集划分与训练参数
训练集70%、测试集10%、独立测试集20%;90个epoch;batch size 16;学习率5×10^-7和1×10^-6;图像 resize 至256×256
阅读提示:Methods中Training和Model implementation小节
模型评估指标
以动物水平准确率为主要评价指标;排除低质量图像(共10,064张)及5只无可靠标注的动物
阅读提示:Methods中Training小节及Statistical analysis小节