
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于自适应异质图神经网络的胸部增强CT与临床变量多模态整合方法区分肺动脉高压与左心疾病相关肺动脉高压的研究
《npj Digital Medicine》:Adaptive heterogeneous graph neural networks for differentiating pulmonary arterial hypertension from left heart disease
【字体: 大 中 小 】 时间:2026年10月09日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要区分肺动脉高压(PAH)与左心疾病相关肺动脉高压(PH-LHD)在临床上具有重要意义,因为两者的管理方案存在显著差异,但最终分类需要结合有创血流动力学评估与临床评估。我们回顾性研究了在上海肺科医院就诊的 905 例 PAH 或 PH-LHD 患者,并开发了一种自适应异质图
区分肺动脉高压(PAH)与左心疾病相关肺动脉高压(PH-LHD)在临床上具有重要意义,因为两者的管理方案存在显著差异,但最终分类需要结合有创血流动力学评估与临床评估。我们回顾性研究了在上海肺科医院就诊的 905 例 PAH 或 PH-LHD 患者,并开发了一种自适应异质图神经网络(AHGNN),该网络整合了胸部增强 CT 图像与无创临床变量。该模型结合了使用 Gumbel-Softmax 重参数化的可微图构建、层次化跨模态注意力机制以及双层级自监督对比学习。在基于患者水平的重复五折交叉验证的 100 个外部测试折中,AHGNN 的受试者工作特征曲线下面积(AUC)均值为 0.946 ± 0.023,精确率 - 召回率 AUC 为 0.952 ± 0.009。在固定的概率阈值 0.50 处,敏感度为 0.867 ± 0.070,特异度为 0.867 ± 0.072。Brier 评分为 0.139,尽管校准斜率为 3.547,表明可能需要重新校准。这些发现支持了多模态无创数据在协助转诊和诊断分诊方面的潜力。在临床应用或改变右心导管术的地位之前,需要进行前瞻性外部验证、重新校准以及临床安全性评估。