人工智能辅助冠状动脉CT血管成像处理系统对临床工作效率影响的研究*

施丽萍 张亚平 唐倩韵 解学乾

患者因胸前区疼痛、胸闷等不适症状就诊[1]，冠脉CT 血管成像（CTA）检查可诊断是否患冠心病[2]。冠脉CTA 检查具有诊断准确率高、安全性好、价格低廉等优点[3]。冠脉CTA 检查后需要进行人工图像重建，图像处理流程繁琐复杂，每个病例需要大量的操作，诊断及报告获取时间往往比普通CT检查更长。随着冠脉CTA 检查在冠心病筛查中越来越多地应用，患者数量的增加导致工作量增大，加之图像观察的主观因素影响较大，可能会降低诊断的准确性和可重复性[4-5]。因此，迫切需要新的技术来促进冠脉CTA 检查的临床应用。人工智能（AI）是以计算机科学为基础的一门新的技术科学[6-7]。随着AI 技术的不断发展，能够对冠脉的图像进行智能处理，实现自动化的冠脉CTA 图像重建和辅助诊断[8]。目前，笔者应用了一套新的AI 系统，可以自动分割冠状动脉图像，提取中心线并生成满足多种后处理要求的冠脉CTA 图像，并且可以实现狭窄位置的自动检测和测量，最终生成结构化或自由文本报告。本研究通过比较AI 冠脉CTA 重建和传统流程的工作效率，来探讨AI 系统对临床工作效率的促进。现报道如下。

1 资料与方法

1.1 一般资料 收集上海交通大学医学院附属第一人民医院北院（虹口区）（医院1）和南院（松江区）（医院2）2017-2019 年的冠脉CTA 检查工作量和工作效率数据。纳入标准：（1）有明确冠脉CTA指征；（2）于2017 年1 月-2019 年12 月做了冠脉CTA 检查。排除标准：（1）碘对比剂过敏；（2）有心脏或呼吸运动伪影，图像质量不佳。这2 家医院2017 年和2018 年使用传统工作站进行冠脉CTA 重建，2019 年使用AI 技术进行冠脉CTA 重建。

1.2 方法 冠脉CTA 的图像重建。每个冠脉CTA病例会得到约300 张横截面图像，需要对这些图像进行三维重建，才能形成完整的冠状动脉立体结构。根据国际心血管CT 学会指南应用多种后处理方法多角度全面观察冠状动脉的血管腔、管壁和粥样斑块情况[9]。（1）传统冠脉CTA 的后处理技术。2017 年和2018 年，按照传统图像重建方法，医生完成的步骤如下：①根据国际心血管CT 学会指南重建冠脉CTA 图像，生成每个冠脉分支血管的容积渲染、最大密度投影、多平面重建和曲面重建图像；②标记冠脉主要分支；③测量冠脉主要分支及狭窄；④传输到图像存储和传输系统；⑤最后进入诊断环节，阅读图像信息并书写报告。（2）冠脉CTA 人工智能辅助诊断系统。2019 年应用AI 软件（CoronaryDoc，数坤科技），操作步骤如下：①导入患者图像资料，软件自动重建出图像，自动标记血管名称；②点击继续诊断，软件自动计算有无斑块，判别斑块性质、血管有无狭窄及狭窄程度分级；③医生判断AI 处理后的图像质量是否合格；④医生根据AI 的评估书写报告。

1.3 观察指标（1）总工作量，即每年冠脉CTA检查的患者例数；（2）人均月工作量，即每人每月完成的检查情况；（3）检查等候时间，即预约与冠脉CTA 检查之间患者的等待时间；（4）报告出具等候时间，即从获取图像到完成诊断报告的时间。

1.4 统计学处理 应用SPSS 20.0 软件对所得数据进行统计分析，计数资料用率（%）表示；计量资料用（）表示，比较应用t 检验。以P＜0.05 为差异有统计学意义。

2 结果

2.1 应用AI 前后的总工作量 在应用AI 的2019 年，这2 家医院共做了15 032 例冠脉CTA 检查，较2017 年的11 694 例增加28.5%，较2018 年的12 591 例增加19.4%；在未应用AI 重建时，2018 年比2017 年增长7.7%。见表1。

表1 应用AI前后的总工作量（例）

2.2 应用AI 前后的人均月工作量比较 在2017-2019 年，医院1 工作人员3 名，医院2 工作人员2 名从事冠脉CTA 重建。按每例患者一份冠脉CTA资料计算。应用AI 的2019 年，2 家医院总体的冠脉CTA 检查的人均月工作量较2017 年和2018 年显著增加（P＜0.001）；在未应用AI 时，2 家医院2017 年和2018 年总体的人均月工作量比较，差异无统计学意义（P=0.233）。2019 年，医院1 的冠脉CTA 检查的人均月工作量较2017 年和2018 年显著增加（P＜0.001）；在未应用AI 时，医院1 在2017 年和2018 年的人均月工作量比较，差异无统计学意义（P=0.329）。2019 年，医院2 的冠脉CTA检查的人均月工作量较2017 年和2018 年显著增加（P＜0.001）；在未应用AI 时，医院2 在2017 年和2018 年的人均月工作量比较，差异无统计学意义（P=0.106）。见表2。

表2 应用AI前后的人均月工作量比较[份/月，（）]

表2 应用AI前后的人均月工作量比较[份/月，（）]

*与2019 年比较，P＜0.001。

2.3 应用AI 前后的检查等候时间比较 应用AI 的2019 年，2 家医院总体的冠脉CTA 检查等候时间显著短于2017 年和2018 年（P＜0.001）。在未应用AI时，2 家医院2017 年和2018 年总体的检查等候时间比较，差异无统计学意义（P=0.567）。2019 年，医院1 的检查等候时间显著短于2017 年和2018 年（P＜0.001）；医院1 在2017 年和2018 年的检查等候时间比较，差异无统计学意义（P=0.301）。2019年，医院2 的检查等候时间显著短于2017 年和2018 年（P＜0.001）；医院2 在2017 年和2018 年的检查等候时间比较，差异无统计学意义（P=0.458）。见表3。

表3 应用AI前后的检查等候时间比较[h，（）]

*与2019 年比较，P＜0.001。

2.4 应用AI 前后的报告出具等候时间比较 应用AI 的2019 年，2 家医院总体的报告出具等候时间显著短于2017 年和2018 年（P＜0.001）；在未使用AI 时，2 家医院2017 年和2018 年总体的报告出具等候时间比较，差异无统计学意义（P=0.377）。在2019 年，医院1 患者报告出具等候时间显著短于2017 年和2018 年（P＜0.001）；医院1 在2017 年和2018 年患者报告出具等候时间比较，差异无统计学意义（P=0.301）。在2019 年，医院2 患者报告出具等候时间显著短于2017 年和2018 年（P＜0.001）；医院1 在2017 年和2018 年患者报告出具等候时间比较，差异无统计学意义（P=0.458）。见表4。

表4 应用AI前后的报告出具等候时间比较[h，（）]

表4 应用AI前后的报告出具等候时间比较[h，（）]

*与2019 年比较，P＜0.001。

3 讨论

冠脉CTA 人工智能辅助诊断系统通过计算机的数据运算，即时显示每根冠脉血管的曲面图像，对冠脉节段进行名称标注，进行斑块诊断和测量，帮助医生尽快发现冠脉管腔狭窄，大幅提升冠脉CTA检查的诊断效率和精确度[8-10]。冠脉CTA 人工智能系统的标准化使放射科医生能够在短时间内掌握冠脉CTA 的图像处理，使诊断效能得到了极大提升，更有利于在基层医院推广冠脉CTA 的临床应用[11-13]。

在新的AI 辅助工作模式下，重建医师可以从繁忙的重建工作中解脱出来，同时，诊断医师可以不再依赖重建医师生成的有限数量的图像，就能全面观察AI 软件重建的三维图像[14-16]。从而提高重建速度和诊断效率，使患者可以更快地拿到更精准的诊断结果。

冠脉CTA 在冠心病的无创评估中起着关键作用。其优势在于其高达95%～99%的阴性预测值，能有效排除梗阻性冠心病[17-19]。冠脉CTA 还可以观察狭窄程度并定量评估动脉硬化斑块特征，包括低密度斑块、正性塑形作用、点状钙化和餐巾环征等易损斑块标志特征，但此类评估和测量需要有经验的观察者进行复杂的后处理。因此，机器学习和深度学习被用于优化从冠脉CTA 中提取信息，特别是开发能够以自动化、准确和客观的方式执行斑块分析的算法。Kang 等[3]利用一种结构化学习算法对42 例使用冠脉CTA 的患者数据集进行了对梗阻性和非梗阻性CAD 的自动检测，准确率达到94%（以三位专家的视觉识别为参考标准），曲线下面积（AUC）为0.94。

关于AI 辅助系统诊断准确性已经有多项研究发表证实，冠脉AI 在狭窄程度判读方面可以达到三甲医院心血管诊断医生的水平[20]。临床的每一个方案都需要精准高效的影像诊断作为有力的技术依据。该系统投入临床应用，实现了从智能重建、智能诊断的一体化，提高了诊断的效率和精确度。AI与医生协同的读片效率显著优于单纯的人力判读，继而也有潜力缩短患者的预约检查时间，提升冠脉CTA 检查的普及性。

总之，冠脉CTA 人工智能系统使放射科医生能够提升工作效率，缩短患者预约和等待报告的时间，有利于推广冠脉CTA 的临床应用。