冠状动脉CT血管造影人工智能辅助诊断的应用研究

彭意春，张梅舜，张思静

（博罗县人民医院放射科 广东 惠州 516100）

冠心病是一种临床上常见的由冠状动脉粥样硬化导致的心脏病，在冠状动脉粥样硬化发生后可导致血管腔狭窄或闭塞，从而发生心肌血供缺乏，引起心脏疾病[1]。冠心病在我国心血管疾病中具有较高的发病率和死亡率，近年来其发病率呈上升趋势，并且农村地区的发病率更高。因此，冠心病的早诊断、早干预、早治疗具有重要意义。冠状动脉CT血管造影（CCTA）具有更高的安全性，该诊断方式属于一种无创诊断，可通过图像观察病变血管腔具体情况及狭窄或闭塞程度，对血管腔狭窄部位斑块的性质进行评估，为临床治疗以及疗效评估提供科学依据，在临床上应用较为广泛[2]。但是冠状动脉CT血管造影需要经验较高的影像学医师对图像进行分析处理，而目前大部分医院在这方面的人力资源较为缺乏，对其发展应用形成一定的限制。计算机人工智能技术在近年来发展迅速，已在多个领域上应用广泛。同时人工智能深度学习的发展，使其逐渐与医疗辅助诊断相结合[3]。并且有研究提出，人工智能在冠心病的冠状动脉CT血管造影诊断中具有较高准确性，在一定程度上可缓解医院人力资源紧张问题[4]。基于此，选取博罗县人民医院于2021年4月—2023年3月收治的68 例冠心病患者开展相关研究，主要分析冠状动脉CT血管造影人工智能辅助诊断的应用，报道如下。

1 资料与方法

1.1 一般资料

选取2021年4月—2023年3月博罗县人民医院收治的疑似冠心病患者68例作为研究对象，其中男性36例，女性32例，年龄43～79岁，平均年龄（57.83±6.89） 岁。患者及家属知情同意并签署知情同意书。纳入标准：在临床诊断中符合冠心病诊断标准者。排除标准：①存在严重心律不齐者；②CCTA图像不满足诊断要求者（图像质量评分≤3分）；③依从性极差，拒不配合者；④ 接受过冠状动脉支架置入治疗者。

1.2 方法

所有患者均接受CCTA诊断，检查开始前患者仰卧于检查床正中，使用对比剂行过敏皮试，告知患者推药过程中可能发生的一过性发热情况，教会患者屏气呼吸。选用18号留置针建立于患者右侧肘前静脉，使用10 mL生理盐水推注，确保留置针通畅。使用64排CT检查床，患者取平卧位，留置针连接双筒高压注射器，再次使用10 mL生理盐水推注，保证通畅。使用电极粘贴于患者双侧锁骨上与肋弓下，间接心电监测。使用定位相扫描确定范围，于气管隆嵴下方1 cm至心脏膈面，行增强扫描。使用碘佛醇，用量0.5～1.0 mL/kg（体重），350 mg/mL对比剂。设置触发扫描CT值为100 HU，同时使用对比剂小剂量团注测试法，选择患者主动脉根部监测ROI，由亮变暗后停止扫描。使用公式计算达峰延迟时间，于定位像修改扫描时间，输入延时扫描时间，回顾性心电门控法扫描，管电流设为280 mAs，管电压100 kV，层厚0.75 cm，时间4.0 s。移床至扫描起始位置，扫描与高压注射器注射同时进行。

1.3 图像分析

获取最佳收缩期、舒张期图像，上传LJPACS工作站，使用冠状动脉分析软件处理图像，最大密度投影、容积再现、曲面重建，显示是否存在斑块、是否存在狭窄。再传至数坤进行人工智能分析，提取图像信息，进行图像分析，识别图像中的血管病变生成报告，并自动排版。使用美国心脏病协会心脏病分段法对患者的右冠状动脉、左前降支、回旋支进行判断，是否存在狭窄，观察狭窄部位、程度，判断斑块性质。图像分析评价由5年以上工作经验的影像科医师进行，由10年以上工作经验的副主任医师进行审核。

1.4 观察指标

记录AI后处理图像以及副主任医师处理结果，以副主任医师处理结果为金标准，比较冠心病诊断结果、冠状动脉病变定位、冠状动脉斑块定性结果、冠状动脉管腔狭窄程度。冠状动脉病变位置包括：右冠状动脉（RCA）、左前降支（LAD）、回旋支（LCX）。冠状动脉斑块性质包括：钙化斑块、非钙化斑块、混合斑块。冠状动脉管腔狭窄程度与近狭窄处的正常冠状动脉血管腔内径作为参照，计算狭窄程度包括：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%）、闭塞（100%）。

1.5 统计学方法

采用SPSS 22.0统计软件分析数据。符合正态分布的计量资料以均数±标准差（）表示，采用t检验；计数资料以频数（n）、百分率（%）表示，采用χ2检验。一致性采用Kappa检验，Kappa值≥0.75表示一致性良好；0.4～＜0.75表示一致性一般；＜0.4则表示一致性较差。以P＜0.05为差异有统计学意义。

2 结果

2.1 图像处理后冠心病诊断结果比较

CCTA图像处理中，副主任医师处理结果显示阳性44例，阴性24例。AI处理结果显示阳性43例，阴性25例，灵敏度为95.45%（42/44），特异度为95.83%（23/24），准确率为95.59%（65/68），Kappa=0.904，与金标准一致性良好。见表1。

2.2 图像处理后冠状动脉病变位置比较

在冠状动脉病变位置中，副主任医师处理后显示病变位置共59处，其中RCA 26处，LAD 23处，LCX 10处。AI处理显示病变位置共59处，其中RCA 26处，LAD 22处，LCX 11处。AI处理中RCA的诊断灵敏度、特异度、准确率分别为96.15%（25/26）、94.44%（17/18）、95.45%（42/44），Kappa=0.906，与金标准一致性良好；LAD的诊断灵敏度、特异度、准确率分别为91.30%（21/23）、95.24%（20/21）、93.18（41/44），Kappa=0.864，与金标准一致性良好；LCX分别为90.00%（9/10）、94.12%（32/34）、93.18%（41/44），Kappa=0.812，与金标准一致性良好。见表2。

表2 图像处理后冠状动脉病变位置比较 单位：处

2.3 AI处理冠状动脉斑块性质结果

副主任医师处理结果显示，冠状动脉钙化斑块15处，非钙化斑块28处，混合斑块16处，AI处理不同斑块准确率为94.92%（56/59）。见表3。

表3 AI处理冠状动脉斑块性质结果 单位：处

2.4 AI冠状动脉图像处理血管腔狭窄程度比较

副主任医师处理结果显示血管腔轻微狭窄8处、轻度狭窄22处、重度狭窄11处、重度狭窄18处，AI冠状动脉图像处理血管腔狭窄程度准确率为84.75%（50/59）。见表4。

表4 AI冠状动脉图像处理血管腔狭窄程度结果 单位：处

3 讨论

目前，心血管疾病的致死亡率较高，其中血管斑块导致的血管狭窄冠心病的发生已经严重危害人类的生命健康。冠心病发病后早期症状不明显，随着冠状动脉粥样硬化的不断加重，可导致患者出现胸闷、胸痛、呼吸困难、心悸等症状，严重的还可能引发心力衰竭，严重威胁人们的生命安全。对冠心病的早诊断、早干预可有效减少心脑血管疾病导致的不良事件发生。随着影像学技术的发展，影像学检查已经成为临床上诊断疾病的重要手段之一，具有较高的安全性、准确性。目前冠心病诊断的金标准为冠状动脉血管造影，准确性较高，但属于一种有创的诊断方式，并且造影剂的使用对患者具有一定的影响。相较而言，对于冠心病的诊断，CCTA是目前主要应用较为广泛的一种诊断方式，无创伤性，应用价值较高[5]。但是CTA诊断的图像数据较为庞大，通常需要医师使用较多的时间进行分析处理，导致诊断的时间较长，并且还会明显增加医师的工作量，更容易疲惫，在长时间的诊断工作中，可导致医师的注意力下降，容易增加漏诊的风险。

深度学习人工智能在近年来发展迅速，并且已经在多领域中得到了广泛的应用。因此有研究提出，将人工智能与CTA相结合，可明显提高医师诊断的效率，并且具有较高的准确度[6]。人工智能是一种多学科相互交叉融合的新兴科学技术，目前已经在医学领域广泛应用于影像学、病理学等方面，为医学诊断、研究提供了巨大的便利。人工智能是通过模拟人类思维的计算机算法，包括模拟学习、推理以及自我校正[7]。而医学影像学中具有庞大的数据，因此促进了人工智能在疾病诊断中的应用。人工智能在CCTA的辅助诊断中，主要是通过图像分割、智能心脏数据提取、血管标记以及图像后处理等技术来完成辅助诊断，可依据相关的标准自动对冠状动脉血管主干、分支进行精确的标记，为医生还原真实、完整的血管、心脏结构，可帮助观察灌装动脉血管在心肌上的走行，清晰观察病变情况，同时还有利于后续提取冠状动脉血管重建[8]。并且现阶段的人工智能软件可通过3D血管分割模型分割斑块与附近血管，通过计算正常的血管管径判断是否存在狭窄，通过斑块检测模型为斑块性质进行诊断，包括钙化斑块、非钙化斑块以及混合斑块的性质诊断。通过CTA的3D模型可计算流体力学，模拟冠状动脉血流动力学特点，并进行检出和量化分析，生成符合临床要求的结构化报告，同时得出无创血流储备分数（FFR）。在李浚利等[9]的研究中提出，人工智能可对CCTA图像质量较好地进行正确识别，对冠状动脉管腔狭窄≥50%的诊断具有较高的可行性。在张晓浩等[10]的研究中提出，AI评价疑似冠心病患者的诊断结果准确性较高，通过大量的优质数据支撑可质量控制，可明显提高准确性。在本研究中，主要分析冠状动脉CT血管造影人工智能辅助诊断的应用，结果显示，CCTA图像处理中，AI处理的灵敏度为95.45%，特异度为95.83%，准确率为95.59%，Kappa=0.904，与金标准一致性良好。在冠状动脉病变位置中，与副主任医师处理结果相比，AI处理中RCA、LAD、LCX的诊断灵敏度、特异度、准确率分别为96.15%、94.44%、95.45%；91.30%、95.24%、93.18；90.00%、94.12%、93.18，Kappa分别为0.906、0.864、0.812，均与金标准一致性良好。AI处理的冠状动脉钙化斑块、非钙化斑块、混合斑块不同斑块性质准确率为94.92%（56/59）；AI冠状动脉图像处理血管腔轻微狭窄、轻度狭窄、重度狭窄、重度狭窄不同血管腔狭窄程度准确率为84.75%（50/59）。可见在AI评价冠心病的准确性较高。但是从数据中可见仍然存在一定的误差，分析主要原因在于该研究中除排除医生诊断习惯以及目测评估对结果的影响，同时斑块的性质和形态可能对血管狭窄程度的判断产生影响。

综上所述，采用人工智能技术对冠状动脉CT血管造影后处理的准确性较高，可作为医师评价冠脉血管的辅助诊断工具。