自适应异质图神经网络用于区分动脉性肺动脉高压与左心疾病相关肺高压
Adaptive heterogeneous graph neural networks for differentiating pulmonary arterial hypertension from left heart disease
上海市肺科医院等机构团队在npj Digital Medicine发表研究,开发出自适应异质图神经网络(AHGNN),以胸部增强CT影像和无创临床变量区分动脉性肺动脉高压(PAH)与左心疾病相关肺高压(PH-LHD)。
基于上海市肺科医院905例患者的回顾性分析,无创AI模型融合胸部CT与临床变量区分两类肺高压的平均AUC为0.946,为该方向提供了一项性能参考。
- 文章
- 开放获取
- 发表日期:2026年10月8日
- Yingran Shen1 na1、
- Jie Mi1 na1、
- Xiaogang Zhao1 na1、
- Gongzhe Liu2、
- Guang Yang3、
- Bei Yang1、
- Hao Wang1、
- Yijiu Ren1 &
- …
- Jie Cai1
npj Digital Medicine (2026) 引用此文章
我们提前共享此文章,以提供更快速访问经过同行评审的已接受研究。本文可以被引用,并带有永久 DOI。此版本可能会接受进一步编辑,并将自动被最终出版记录版替换。所有法律免责声明适用。
摘要
将肺动脉高压(PAH)与左心疾病相关肺动脉高压(PH-LHD)区分开在临床上至关重要,因为两者的治疗管理存在显著差异,但明确的分类需要进行有创血流动力学评估并结合临床评估。我们回顾性研究了 905 例在上海肺病医院接受治疗的 PAH 或 PH-LHD 患者,并开发了一种自适应异构图神经网络(AHGNN),该网络将对比增强胸部 CT 图像与非侵入性临床变量相结合。该模型结合使用 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自监督对比学习。在来自重复的患者水平五重交叉验证的 100 个外部测试折中,AHGNN 的平均受试者操作特征曲线下面积(AUC)为 0.946 ± 0.023,精确率-召回率 AUC 为 0.952 ± 0.009。在 0.50 的固定概率阈值下,灵敏度为 0.867 ± 0.070,特异度为 0.867 ± 0.072。Brier 得分为 0.139,但校准斜率为 3.547,表明可能需要重新校准。这些发现支持了多模态非侵入性数据在协助转诊和诊断分诊方面的潜力。在临床使用或对右心导管检查角色的任何改变之前,都需要进行前瞻性外部验证、重新校准和临床安全性评估。
致谢
作者感谢上海肺病医院胸外科的医疗专业人员和研究人员在数据收集方面的协助。本研究得到中国国家自然科学基金(项目编号 82403885,授予 J.C.)和上海肺病医院(中国)项目(编号 fkyc2638,授予 J.C.)的支持。
作者信息
作者注
以下作者对本研究作出了同等贡献:Yingran Shen、Jie Mi、Xiaogang Zhao。
作者及隶属机构
同济大学医学院,上海肺病医院胸外科,中国上海
Yingran Shen, Jie Mi, Xiaogang Zhao, Bei Yang, Hao Wang, Yijiu Ren & Jie Cai
山东第一医科大学附属省立医院心胸外科,中国,济南
Liu Gongzhe
河北医科大学第一医院胸外科,河北医科大学,中国,石家庄
Yang Guang
作者
- Shen Yingran
- Mi Jie
- Zhao Xiaogang
- Liu Gongzhe
- Yang Guang
- Yang Bei
- Wang Hao
- Ren Yijiu
- Cai Jie
通讯作者
通讯地址 Wang Hao、Ren Yijiu或Cai Jie。
伦理声明
利益冲突
作者声明不存在利益冲突。
补充信息
出版商声明 Springer Nature 对已发布地图中的管辖权主张及机构隶属关系保持中立。
权利与许可
开放获取 本文依据 Creative Commons Attribution 4.0 International License 授权,允许在任何媒介或格式中自由使用、分享、改编、分发和复制,前提是对原作者和来源给予适当署名,提供 Creative Commons 许可协议的链接,并标明是否进行了修改。本文中包含的图片或其他第三方材料受本文 Creative Commons 许可协议约束,除非材料来源另有注明。若材料未包含在本文 Creative Commons 许可协议内,且您计划的使用方式不受法定法规允许或超出许可使用范围,则需直接联系版权持有人获取授权。查看该许可协议副本,请访问 http://creativecommons.org/licenses/by/4.0/。
关于本文
引用本文
Shen, Y., Mi, J., Zhao, X. 等. 用于区分肺动脉高压与左心疾病的自适应异构图神经网络。 npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-03305-x
收稿日期: 2025年8月18日
接受日期: 2026年9月13日
发布日期: 2026年10月8日
DOI: https://doi.org/10.1038/s41746-026-03305-x
来源:Nature 健康护理主题 · nature.com