积极推进人工智能心血管CT 成像的研发和应用

唐春香 张龙江

近年来，无创性心血管成像技术迅猛发展并在临床获得广泛应用。冠状动脉CT 血管成像（coronary CT angiography，CCTA）已经发展成为心血管病病人的首选检查方法。据统计，2017 年我国CCTA 检查量已超过460 万例并有持续升高的趋势[1]。随着CT 技术的快速发展，薄层各向同性数据成为常规存储和应用要求，一次CCTA 检查至少生成200 张影像，因此产生了海量的影像数据，大大增加了人工影像后处理和诊断的工作负荷[1]。然而，近年发展起来的人工智能（artificial intelligence，AI）技术在医学影像领域产生了重要影响，特别是AI在该领域的应用贯穿于心血管CT 成像全流程。AI不仅可以优化工作流程，而且有助于提升医师阅片效率和质量[2]。因此，合理应用AI 能缩短影像采集时间，提高诊断准确性，尤其在心血管疾病预后和危险分层中有望发挥更大的作用。

利用AI 可以减少心血管CT 影像重建及图像分割时间，提高影像质量。影像质控是检查所有采集的影像是否符合进一步处理或分析的必要条件。目前已有多项研究致力于应用AI 改进心血管CT的影像重建，优化影像质控流程，并应用于图像分割与计算。一种基于三维CT 数据补丁深度卷积神经网络的图像去噪方法，在减少辐射剂量同时可明显缩短影像处理时间[3]；基于深度学习算法的迭代重建技术也减少了影像重建时间[4]。Shan 等[5]设计了一个模块化的神经网络用于重建低剂量CT 影像，并证实AI 方法在噪声抑制和结构保真度方面表现更好，且速度更快。深度学习方法还可用于识别和量化冠状动脉运动伪影对CCTA 影像诊断可靠性和影像质量的影响，进而改善影像质量[6]。另外，AI算法可以全自动分割CCTA 上的非钙化斑块和钙化斑块，以及心外膜脂肪组织，与医师手动分割的结果无显著差异且有良好的相关性[7-8]。

基于AI 还可实现自动化诊断及结构化报告，且不受影像复杂性和阅片数量增加的影响，极大地提高了诊断效率。Muscogiuri 等[9]证实AI 可以在1.4 min 内区分冠状动脉疾病报告和数据系统（coronary artery disease-reporting and data system，CAD-RADS）0 级与高于0 级的病人，确定是否患有冠状动脉疾病。如何能自动区分不同级别的CADRADS 仍然存在挑战，因此在未来进一步优化报告精细程度方面还需要进一步提升。

AI 在心血管病预防、预后评估及危险分层方面也展现了较好的价值。最近的一些研究关注了AI在冠状动脉钙化积分中的应用，包括冠状动脉钙化积分自动化计算系统的开发和验证、非门控胸部CT钙化积分自动化检测的验证及预后价值，体现了很好的应用前景[10-11]。AI 还可用于评价冠状动脉狭窄的血流动力学意义。相比常规通过CCTA 对冠状动脉特异性缺血病变的诊断，由机器学习算法计算得出的CT 血流储备分数提高了这一性能。此外，很多研究还利用机器学习算法构建疾病结局的预测模型。相比于传统风险评估方法，AI 技术拥有更好的特征筛选及融合能力，因而风险评估能力更强，例如基于随机森林构建的机器学习模型具有较好的心血管疾病不良事件预测能力[12]。

此外，基于影像组学的研究近些年来也在广泛展开。相比于传统临床及影像特征，影像组学特征能提供更多肉眼看不到的细微信息，如在心血管CT的应用主要集中于心肌组织、斑块特征及冠状动脉周围脂肪的分析。心肌影像组学纹理特征可以提示心肌瘢痕或者心肌梗死[13]；斑块影像组学特征有助于更精准地识别高危斑块特征[14]。目前正在开发新的应用程序自动检测及分割血管周围脂肪，通过特征提取可缩短计算时间至5 min。

本期专题特别报道了人工智能心血管CT 影像在心血管病诊疗及风险预测中的价值。例如刘等[15]的研究证实利用AI 辅助的CCTA 诊断阻塞性冠状动脉狭窄具有较好的诊断效能，且可缩短影像后处理时间，有望成为冠心病有效的辅助诊断工具。徐[16]、尚等[17]的研究发现，冠状动脉周围脂肪影像组学特征对冠状动脉狭窄血流动力学严重程度及急性冠状动脉综合征的预测价值优于传统统计学方法及传统影像特征。张等[18]利用中国多中心FFRCT研究数据发现，基于机器学习算法能够很好地预测冠状动脉特异性狭窄病变引起的心肌缺血，FFRCT、ΔFFRCT、脂质斑块体积及其百分比、纤维斑块体积、非钙化斑块体积、狭窄程度以及斑块复杂形态特征是影响缺血特异性狭窄的主要因素。赵等[19]利用深度学习和卷积神经网络分割法自动生成左心室心肌模型分析了动态CT 心肌灌注成像的可行性及对血流动力学显著狭窄病变的诊断价值，并认为动态心肌灌注CT 的自动化分析稳定、结果准确，且操作简便，具有较好的临床应用推广价值。郭等[20]、陈等[21]则详细综述了AI 和影像组学在心血管CT 的应用。这期重点号基本反映了当前我国心血管CT 影像工作者积极探索AI 在心血管CT 影像领域研究价值的成果，对加快其临床转化的进程有较好的推动作用。

虽然AI 技术在心血管影像的应用与研究还处于初级阶段，但随着心血管影像数据规范程度的提高，各医疗机构的数据质量偏差会逐渐缩小，泛化性也将更强，因此AI 技术在心血管影像领域的应用会更广泛。弄潮儿向涛头立，让我们站在人工智能心血管影像的浪潮之尖，上下求索，积极推进我国人工智能心血管影像的创新研发和转化应用，为实现健康中国的国家战略贡献力量。