冠状动脉CT血管成像中人工智能诊断冠心病的准确性

李浚利，黄益龙，韩 丹，蔡雅倩，闵 蕊，刘 顼，康绍磊，段 慧

(昆明医科大学第一附属医院医学影像科，云南 昆明 650100)

冠心病(coronary heart disease, CHD)主要为冠状动脉血流量与心肌需求量之间不平衡所致[1]。冠状动脉CT血管成像(coronary CT angiography，CCTA)检测冠状动脉狭窄具有较高敏感性和特异性，已成为临床筛查和诊断CHD的首选手段[2]。人工智能(artificial intelligence, AI)现已用于临床诊断多种疾病，其在CCTA中可自动识别冠状动脉血管并判断冠状动脉狭窄程度。本研究对比分析AI与有创冠状动脉造影(invasive coronary angiography, ICA)结果，评价AI在CCTA中诊断CHD的准确性。

1 资料与方法

1.1 一般资料 回顾性收集2018年9月—2019年3月间隔2周内于昆明医科大学第一附属医院接受CCTA及ICA患者。纳入标准：①CCTA图像血管连续且边缘清晰，无明显伪影[3]；②AI软件能自动正确识别冠状动脉血管树。排除标准：①冠状动脉支架植入术后或冠状动脉搭桥术后；②冠状动脉起源异常。最终纳入105例，男71例，女34例，年龄37～81岁，平均(60.5±10.1)岁；平均体质量(65.76±9.70)kg；临床表现包括胸痛61例，胸闷54例，心电图ST-T异常46例，高血压67例，糖尿病21例，吸烟史48例，高血脂41例，总胆固醇(4.22±1.55)mmol/L，高密度脂蛋白胆固醇(1.11±0.40)mmol/L，低密度脂蛋白胆固醇(2.67±0.40)mmol/L，甘油三酯(1.97±1.33)mmol/L。

1.2 CCTA及ICA

1.2.1 CCTA 采用Siemens双源CT机，前瞻性心电门控序列扫描模式，行头足方向扫描，范围自气管隆嵴下1 cm至心脏膈面。根据体质量指数(body mass index, BMI)选择管电压(18.5～23.9 kg/cm2采用100 kV，≥24 kg/cm2采用120 kV，<18.5 kg/cm2采用80 kV)，实时动态曝光剂量调剂自动曝光，层厚0.75 mm，层距0.50 mm，旋转时间0.28 s，重建算法B26f。增强扫描：以碘海醇(350 mgI/ml)为对比剂，采用MedRad双筒高压注射器以流率4.0～5.5 ml/s经肘正中静脉注射50～70 ml，随后以相同流率跟注40～50 ml生理盐水；应用对比剂示踪法，选择主动脉根部层面ROI，当其内CT值达100 HU时延迟5 s自动触发扫描。

1.2.2 ICA 采用Philips DSA机，对比剂同上。经皮穿刺右股动脉或右桡动脉置入血管鞘，将冠状动脉导管分别插入左、右冠状动脉，并固定导管头，以电影模式记录不同投照角度图像，观察左右冠状动脉主干及分支病变节段及其狭窄程度。

1.3 图像分析 按照美国心脏病学会冠状动脉树改良分段法，将管径≥1.5 mm的冠状动脉节段纳入诊断范围。参考CAD-RADS分类标准，将管腔分为无狭窄、轻微狭窄(1%～24%)、轻度狭窄(25%～49%)、中度狭窄(50%～69%)、重度狭窄(70%～99%)和闭塞[4]；以冠状动脉管腔狭窄≥50%为有血流动力学意义的狭窄，评判冠状动脉管腔狭窄程度≥50%的血管及节段。

1.3.1 AI评价 采用数坤AI冠状动脉智能辅助诊断系统软件(冠状动脉智能诊断系统V1.4)，利用卷积神经网络技术对CCTA图像进行重建、滤波与增强、检测、分割、分类、配准、建模以及特征提取与测量和影像检索，最终得出CCTA图像后处理结果与相关诊断结果。

1.3.2 ICA评价 由2名工作10年以上的心内科副主任医师和主任医师独立采用ICA图像评估冠状动脉狭窄，意见不一时协商达成共识。

1.4 统计学分析 采用SPSS 23.0统计分析软件，以ICA为金标准，分别以患者、冠状动脉及其节段为单位，计算AI软件在CCTA中诊断冠状动脉狭窄(≥50%)的敏感度、特异度、阳性预测值、阴性预测值和准确率，并对AI与ICA诊断结果进行一致性检验：Kappa≥0.75诊断一致性好，0.40

2 结果

105例AI与ICA显示冠状动脉狭窄(≥50%)结果见表1。

表1 AI与ICA显示105例冠状动脉狭窄(≥50%)情况

105例中，96例经ICA确诊为CHD(有血流动力学意义的狭窄节段≥1)；AI软件提示94例CHD，与ICA相比，假阳性3例，假阴性2例。AI诊断敏感度、特异度、阳性预测值、阴性预测值和准确率分别为97.92%(94/96)、66.67%(6/9)、96.91%(94/97)、75.00%(6/8)和95.24%(100/105)，其与ICA在患者层面诊断CHD的一致性较好(Kappa=0.68，P<0.001)。

105例420支冠状动脉中， ICA确诊190支狭窄程度≥50%。AI软件提示173支冠状动脉狭窄程度≥50%，与ICA比较，假阳性4支，假阴性17支；AI诊断冠状动脉狭窄(≥50%)的敏感度、特异度、阳性预测值、阴性预测值和准确率分别为91.05%(173/190)、98.26%(226/230)、97.74%(173/177)、93.00%(226/243)和95.00%(399/420)，其与ICA在冠状动脉血管层面诊断一致性好(Kappa=0.90，P<0.001)。见图1、2。

图1 患者男，56岁 A.CCTA曲面重组图像，AI诊断左前降支近段重度狭窄(箭)； B.左前斜加足位ICA图像示左前降支近段重度狭窄(箭) 图2 患者女，54岁 A.CCTA曲面重组图像，AI诊断右冠状动脉远段轻度狭窄(箭)； B.左前斜位ICA显示右冠状动脉远段无狭窄(箭)

105例共1 564段冠状动脉节段，其中53段管腔直径<1.5 mm而未评价管腔狭窄。ICA检出267段狭窄程度≥50%；AI提示224段冠状动脉节段狭窄程度≥50%，与ICA比较，假阳性29段，假阴性43段。AI诊断冠状动脉节段狭窄(≥50%)的敏感度、特异度、阳性预测值、阴性预测值和准确率分别为83.90%(224/267)、97.67%(1215/1244)、88.54%(224/253)、96.58%(1215/1258)和95.23%(1439/1511)，其与ICA在冠状动脉节段病变方面诊断一致性好(Kappa=0.83，P<0.001)。

3 讨论

伴随生活水平提高，CHD发病率及致死率逐年增加。快速诊断CHD及定位病变有利于临床早期采取针对性治疗计划，对降低死亡率具有重要意义。作为筛查CHD的手段，CCTA可清晰显示冠状动脉树结构，但诊断冠状动脉狭窄依赖于图像进行后处理。AI可对影像学图像进行后处理等，缓解医师工作压力。

HALPERN等[5]研究表明，计算机自动诊断主要依赖于精确识别冠状动脉树模型，因此本研究仅纳入AI能自动正确识别冠状动脉树的病例。CCTA中有时会出现呼吸等伪影，可在扫描过程中避免或通过重建期相加以改善。本研究排除了存在伪影病例，旨在评价AI在CCTA图像质量较好的前提下诊断CHD的准确性，发现AI将29段正常节段判断为狭窄节段，其中22段位于血管分叉处、7段于心肌桥或贴壁血管处；43段假阴性，其中9段为闭塞节段，由于其远端血管不显影，AI仅能识别显影节段而未能判断狭窄程度，另外34段AI虽判断为狭窄节段，但评估的狭窄程度低于实际值，导致其对≥50%的有意义狭窄的识别程度降低。

既往CCTA成像研究[6]报道，AI检出CHD患者的敏感度、特异度、阳性预测值和阴性预测值分别为100%、65%、58%和100%，检出冠状动脉狭窄的敏感度、特异度、阳性预测值和阴性预测值分别74%、83%、46%和94%；黄增发等[7]报道的AI诊断冠状动脉狭窄程度的敏感度、特异度、阳性预测值和阴性预测值分别为60.87%、80.77%、58.33%和82.35%。本研究结果与之存有一定差异，可能与样本选择不同及AI算法不一致有关。随着神经网络算法的不断发展，AI可对冠状动脉图像进行不断深度学习[8]，其诊断冠状动脉狭窄程度敏感性等不断提高。以往研究[9-10]CCTA于冠状动脉节段水平诊断冠状动脉狭窄的敏感度、特异度、阳性预测值和阴性预测值分别为66.9%～92.0%、93.0%～97.8%、75.0%～83.3%和89.9%～97.0%，本研究与之基本一致，提示对于CCTA图像质量好且AI能正确识别冠状动脉血管的病例，采用AI诊断冠状动脉管腔狭窄≥50%具有可行性。

本研究的主要不足之处：为单中心研究，存在一定采样偏差；其次，所收集病例均具有较明确的CHD临床症状，大多数经CCTA发现存在中度以上狭窄，随后接受ICA检查及治疗，可能对结果有一定影响。

综上所述，在CCTA图像质量较好且AI能正确识别冠状动脉血管树的前提下，采用AI诊断CHD具有可行性，且与ICA的一致性较好。