人工智能在冠状动脉CTA 诊断冠状动脉疾病中的应用价值

王娜娜，李大胜，张 媛，崔景景，于巍伟，徐海旺，宋燕丽，肖 瑶

（1.北京市海淀医院/北京大学第三医院海淀院区放射科，北京 100080；2.上海联影智能医疗科技有限公司，上海 201807）

冠状动脉粥样硬化性心脏病（coronary heart disease，CHD）是临床常见的心血管疾病，是因冠状动脉（冠脉）发生动脉粥样硬化造成。随着生活水平的提高，我国CHD 的发病率及病死率逐年上升，并出现了年轻化、隐匿化的发展趋势［1-2］。冠脉CTA（CCTA）作为一种稳定、快速的诊断工具广泛应用于临床CHD 的诊断和评价，但需诊断医师对图像进行后处理分析，耗时耗力。以深度学习为代表的人工智能技术在医学影像领域迅速发展，并在辅助医学诊断及精准医学中取得重要成果［3-4］，对缓解医疗资源紧张具有重大现实意义。本研究以冠脉造影术（coronary angiography，CAG）为金标准，与高年资医师诊断进行比较，探讨AI 辅助智能软件在CHD 诊断中的应用价值。

1 资料与方法

1.1 一般资料 收集2018 年3 月至2021 年3 月北京市海淀医院收治的CHD 疑似患者66 例，其中男43 例，女23 例；年龄40～83 岁，平均（64.57±10.29）岁。临床表现：胸痛31 例，胸闷、气短20 例，后背痛或腰背痛9 例，心悸3 例，剑突下不适3 例。纳入标准：①患者自身或药物控制后心率≤75 次/min；②均行CAG 和CCTA 检查，且2 种检查时间间隔＜2 周。排除标准：①心率过快、严重心律不齐、检查时不能配合屏气者；②含碘对比剂过敏患者；③CCTA 图像血管伪影重，影响诊断；④安装心脏起搏器、搭桥及冠脉起源异常患者。本研究经院内伦理委员会批准同意。

1.2 仪器与方法

1.2.1 CCTA 扫描 采用Philips Brilliance 128 排扫描仪。扫描范围从气管隆突下1 cm 至心尖下1 cm，头足方向。扫描参数：100 kV，管电流自动调节，层厚0.625 mm，层距5 mm。增强扫描对比剂采用碘帕醇（碘浓度370 mg/mL），使用双筒注射器注射，流率4～5 mL/s，剂量0.8 mL/kg 体质量，追加生理盐水40 mL，采用bolus tracking 技术，检测升主动脉为ROI，阈值100 HU，延迟8 s 启动扫描。

1.2.2 CAG 检查 采用Philips FD20 数字血管造影机，对比剂为碘帕醇（碘浓度370 mg/mL），术前准备后，经皮穿刺桡动脉或股动脉行左、右冠状动脉造影检查，通过不同投照角度明确冠状动脉病变情况，每个体位注射对比剂4～6 mL。

1.3 图像处理

1.3.1 CCTA 图像分析 医师诊断：所有原始图像传至星云影像工作站，由2 名高年资主治医师进行后处理，包括VR、MPR、CPR 及MIP 等。参照美国心脏病协会分段标准［5］，判断并记录冠脉分布、狭窄、斑块情况及冠脉支架情况，记录冠脉后处理时间（完成整个冠脉后处理时间，不含胶片打印时间）及冠脉病变情况（报告书写时间）。冠脉判读结果出现分歧由另1 名影像专业副主任医师最终核定，后处理时间及报告书写时间取2 位医师的平均值。冠脉辅助诊断均在诊断医师评价后进行，原始图像传至PACS 由联影冠脉AI 辅助诊断软件一键生成冠脉后处理图像及分析报告，处理时间为医师从PACS 点击患者选项开始计时至智能报告生成截止。

1.3.2 CAG 图像分析 由高年资心内介入医师完成对冠脉三大主支（前降支、回旋支及右冠脉）病变最重节段进行评估。冠狭窄程度按照美国心血管CT 学会（SCCT）分级方法分为：无狭窄、轻微狭窄（＜25%）、轻度狭窄（25%～＜50%）、中度狭窄（50%～＜70%）、重度狭窄（70%～＜100%）和闭塞（100%）［6］。

1.4 统计学分析 采用SPSS 22.0 软件进行数据分析。以CAG 检查结果作为金标准。2 种方法判断冠脉狭窄及斑块情况用混淆矩阵列出，对冠脉狭窄检出率的比较及对冠脉优势分布和支架情况的判定采用四格表的χ2检验，并采用Kappa 检验比较2 种方法对冠脉斑块诊断的一致性。以P＜0.05 为差异有统计学意义。

2 结果

2.1 2 种方法的诊断时间对比 人工后处理时间平均（13.79±3.91）min，人工报告平均时间（11.54±3.51）min，人工后处理加报告总时间（25.33±7.0）min；AI 辅助诊断可一键式完成后处理重建并生成报告，平均时间（31.51±3.26）s，用时约为人工用时的2.1%，AI 辅助诊断时间明显缩短。

2.2 2 种方法对冠脉狭窄及狭窄程度≥25%的评估比较 66 例三大主支共198 支血管，以CAG 为金标准，CAG 共确认冠脉狭窄154 支，AI 辅助诊断的敏感度和特异度分别为94.8%和63.6%（表1），医师诊断的敏感度和特异度分别为99.4%和65.9%（表2）。CAG 共确认狭窄程度≥25%的血管152 支，AI 辅助诊断的敏感度和特异度分别为90.8%和71.7%（表3），医师诊断的敏感度和特异度分别为96.7%和84.8%（表4）。2 种方法对冠脉狭窄及狭窄程度≥25%检出率的比较，差异均无统计学意义（均P＞0.05，表5）（图1，2）。

图1 女，73 岁，间断胸闷6 年，加重2 d图1a～1c 分别为冠脉造影、人工智能（AI）辅助诊断后处理及医师后处理，均见右冠脉近段血管管壁不规则，管腔轻微至轻度狭窄图2 男，50 岁，胸闷、憋气1 年图2a～2c 分别为冠脉造影、AI 辅助诊断后处理及医师后处理，可见右冠脉远段节段性重度狭窄

表1 AI 辅助诊断狭窄情况 支

表2 医师诊断狭窄情况 支

表3 AI 辅助诊断检测狭窄程度≥25%情况 支

表4 医师检测狭窄程度≥25%情况 支

表5 2 种方法冠脉狭窄及狭窄度≥25%检出率的比较 支

2.3 2 种方法对冠脉斑块的评估（表6）以医师诊断为标准，198 支冠脉医师诊断检出168 处斑块，AI辅助诊断检出157 处，敏感度93.5%、特异度90.0%。2 种方法在冠脉斑块检出方面具有较高的一致性（K=0.752，P＜0.05）。

表6 2 种方法对冠脉斑块的评估 处

2.4 2 种方法诊断冠脉优势分型及检测冠脉支架的比较 2 种方法诊断冠脉优势分型比较，差异无统计学意义（χ2=3.851，P=0.149，表7）。AI 辅助诊断检测出17 处冠脉支架；医师诊断检出22 处支架，差异无统计学意义（χ2=0.711，P=0.399）。

表7 2 种方法诊断冠脉优势分型的比较 例

3 讨论

影像学检查是冠脉疾病的主要检查方法，CAG是评价冠脉狭窄的金标准，但其存在一定的复杂性及有创性，随着医学影像技术的发展，CCTA 逐渐成为疑似CHD 患者的首选影像学检查方法并广泛应用于临床。随着AI 技术在医学影像诊断领域的研究应用及快速发展，基于深度学习的CHD 的研究也越来越多［7-8］，这在一定程度上改进或简化了医学工作流程，在医学影像诊断方面降低了医师工作量、提高了诊断效率［9］。

本研究中，AI 辅助诊断软件一键式完成冠脉的后处理并生成框架式诊断报告，时间明显短于医师人工后处理加报告时间，与国内部分研究［10-11］相近，但本研究所用AI 辅助诊断软件及人工后处理工作站与之不同。

研究显示，CCTA 诊断冠脉狭窄的准确率很高［12］，且安全可靠，已在临床广泛应用。本研究显示，以CAG 为金标准，AI 辅助诊断冠脉狭窄的敏感度和特异度分别为94.8%和63.6%，医师诊断的敏感度和特异度为99.4%和65.9%，两者比较，差异均无统计学意义。有研究指出，AI 检出冠脉狭窄节段总的敏感度、特异度分别为92.97%及97.91%，与CAG 一致较好（K=0.86）［13］。本研究AI 辅助诊断与医师诊断敏感度均较高，但特异度均较低，原因可能如下：①AI 辅助诊断软件将部分血管伪影误判为冠脉管腔狭窄；②AI 辅助诊断对冠脉小分支辨识度不够，分叉处判读为狭窄；③冠脉狭窄以中重度狭窄为主，中度以下狭窄（轻微狭窄、轻度狭窄）常不在冠脉造影术指征范围内，轻微狭窄常忽略不计，因此本研究进行了狭窄度≥25%的分层评估，AI 辅助诊断及医师诊断敏感度及特异度均提高，其中AI 辅助诊断敏感度和特异度分别为90.8%和71.7%，医师诊断敏感度和特异度分别为96.7%和84.8%。而在实际筛查或体检工作中，轻度以下狭窄也应该有所体现，因此笔者认为在CT 冠脉检查中敏感度比特异度更值得关注，AI 辅助诊断具有较高的敏感度，符合筛查诊断要求。

早期准确评估冠脉狭窄及冠脉斑块的检出对临床治疗具有重要意义。与医师诊断相比，本研究AI 辅助诊断对斑块检出的敏感度为93.5%、特异度为90.0%，与相关研究（敏感度为93.3%、特异度为93.8%）［14］相近，并得出2 种方法在冠脉斑块检出方面具有较高的一致性（K=0.752），进一步验证了AI辅助诊断在冠脉辅助诊断方面的可行性及准确性。国内外研究表明，深度学习在冠脉斑块识别方面大有前景，随着技术发展，斑块性质可更加明确，对患者的诊治及预后具有重要意义［15-17］。

AI 辅助诊断还可对冠脉优势分布及支架情况进行评估，且与医师诊断相比，差异均无统计学意义，但AI 辅助诊断尚不能对支架通畅情况进行评估。本研究中冠脉三大分支共17 处支架，AI 辅助诊断检测出22 处，5 处AI 多发或弥漫管壁钙化误判为冠脉支架），需进一步改进，增加辨识度。

综上所述，AI 在冠脉病变评估中的研究和开发尚处于起步阶段，但已显露出优势，具有较高的诊断敏感度和特异度，明显提高了诊断效率，可作为医师的辅助诊断工具。但本研究样本量小，尚需进行前瞻性、大样本、多中心随机对照研究，且AI 需更多病例学习并软件优化。