不同年资住培医师应用AI 提升脑动脉瘤检出效能的初步研究

张添辉，黄志峰，钟 正，龙 曦，范伟雄（通信作者）

（梅州市人民医院放射科 广东 梅州 514031）

脑动脉瘤是由于局部先天性缺陷或大脑动脉壁损伤而引起的脑动脉局部突起，一旦发生破裂可能危及生命[1]。因此，精准检出脑动脉瘤对于指导临床及早采取干预措施具有重要意义。计算机断层扫描血管造影（computed tomography angiography，CTA）是一种安全、无创、可靠的检出脑动脉瘤的影像学检查方法，在临床上广泛应用[2]。放射科住培医师是在影像科接受规范化培训的初级医师，掌握CTA 检出脑动脉瘤是其重要培训内容。然而，由于颅内动脉的复杂性及动脉瘤体积微小，且住培医师阅片经验相对不足，导致存在动脉瘤漏诊风险。近年，人工智能（artificial intelligence，AI）在提高影像诊断准确性，缩短阅片时间等方面展现出良好的前景，且在辅助住培医师诊断方面具有提升作用[3-4]。因此，本研究将探讨低、高年资住培医师应用人工智能提升动脉瘤检出效能的价值，旨在为AI 在放射科培训工作中的推广提供依据。

1 资料与方法

1.1 一般资料

回顾性选取2021 年12 月—2022 年2 月在梅州市人民医院行头部CTA检查的48例患者资料，其中女性28例，男性20例，年龄32～79岁，平均年龄（61.50±10.38）岁。

纳入标准：①患者临床数据及影像资料完整；②头部CTA 具有薄层图像，可被人工智能软件识别；③患者均行头部CTA 及数字减影血管造影（digital subtraction angiography，DSA）检查，通过DSA 检查明确有无动脉瘤。排除标准：①患者曾行颅脑外科或介入手术（如支架植入术、动脉瘤夹闭术等）导致存在明显伪影，影响图像分析的患者；②患者配合不佳，导致图像质量差，影响图像分析的患者。

1.2 方法

1.2.1 扫描方法 采用联影uCT 960+、GE Discovery CT750 HD、西门子SOMATOM Force 及Dedinition As CT 扫描仪。患者取仰卧位，头先进，嘱咐患者保持平静呼吸及头颈部静止不动。检查参数：管电压为100 kV，管电流自动调制技术，螺距0.7，层厚1.0 mm，层间距0.7 mm。采用高压注射器经右上肢静脉注入碘佛醇30～50 mL，注射流率为4.0～4.5 mL/s。利用造影剂触发扫描模式选取颈动脉为监测点，触发阈值设为100 HU，当CT 值达到触发阈值后进行扫描。

1.2.2 阅片方法 招募两名不同年资（低、高年资分别为住培二年级与三年级）的住培医师对头部CTA 图像进行阅片。阅片前由同一名带教老师对住培医师进行动脉瘤影像及AI 软件操作方法的培训。阅片方法如下。（1）单独阅片法：住培医师对患者的临床信息和检查结果完全不知情的情况下，在PACS 系统调取患者头部CTA 图像，通过多平面重建（multiplanar reconstruction，MPR）、最大密度投影（maximal intensity projection，MIP）、容积重建（volume rendering，VR）及CTA 薄层原始图像进行观察，记录动脉瘤的数目及部位，并记录对每个患者的阅片时间。（2）应用AI 阅片法：经过14天洗脱期后，住培医师应用AI 软件（联影智能公司，头颈血管CT 造影影像辅助诊断软件V1.0）对所有患者头部CTA 进行阅片，阅片过程中AI 软件能够对头部CTA薄层图像进行重建及分析，还能在CTA 图像上标注出每个动脉瘤及提供影像报告结果。住培医师通过应用AI 软件完成阅片，并记录动脉瘤的数目、部位及阅片时间。

1.3 参照标准

以DSA 检查结果为金标准。由两名经验丰富的放射科医师对DSA 图像进行分析确定有无动脉瘤，并记录相应的数目、大小及部位。动脉瘤定义为颅内动脉壁上的异常凸起或隆起。

1.4 统计学方法

采用SPSS 20.0 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。以P＜0.05 为差异有统计学意义。

2 结果

2.1 DSA 检查结果

48 例患者中，38 例（79.17%）患者的DSA 检查共确定43 个动脉瘤（其中，5 例患者有2 个动脉瘤，33 例患者有1 个动脉瘤），10 例（20.83%）患者的DSA 检查未发现动脉瘤。

2.2 低、高年资住培医师单独阅片与应用AI 阅片对动脉瘤的检出率

以DSA 检查结果为金标准，低年资住培医师应用AI 阅片和单独阅片分别准确检出41 个和34 个动脉瘤。低年资住培医师应用AI 阅片对动脉瘤的检出率为95.35%（41/43），显著高于单独阅片的79.07%（34/43），差异具有统计学意义（P＜0.05），见表1。

表1 低、高年资住培医师单独阅片与应用AI 阅片对动脉瘤的检出率及阅片时间

高年资住培医师应用AI 阅片和单独阅片分别准确检出40 个和36 个动脉瘤。高年资住培医师应用AI 阅片对动脉瘤的检出率为93.02%（40/43），高于单独阅片的83.72%（36/43），但差异无统计学意义（P＞0.05），见表1。

2.3 住培医师独立阅片和联合AI 阅片的诊断时间

低年资与高年资住培医师应用AI 对头部CTA 的阅片时间均短于单独阅片，差异有统计学意义（P＜0.001）。见表1。

3 讨论

脑动脉瘤破裂会导致严重的后果，死亡率高达40%，且幸存者亦可能长期患有神经系统后遗症和生活质量下降[5]。因此，早期发现和及时干预是脑动脉瘤临床治疗和良好预后的关键。住培医师作为放射科的重要培训对象，其在一线阅片工作承担着大量的阅片任务。由于CTA 薄层图像众多，且脑动脉瘤体积微小，导致住培医师漏诊动脉瘤时有发生；此外，日常阅片工作占用了大量规范化培训时间，住培医师亟需提升阅片效率，缩短工作时间，从而有更多的时间用于专业知识的学习。文献报道，AI 在辅助住培医师诊断肺结节、肺栓塞等方面具有一定提升价值[3-4]。因此，本研究将探讨住培医师应用人工智能提升动脉瘤检出效能的价值。

Heit 等[6]研究结果显示，AI 软件诊断脑动脉瘤的敏感度、特异度和准确度分别为95.0%、100.0%和99.7%，提示AI 对检出脑动脉瘤具有较高效能。Park 等[7]研究发现，AI 辅助放射科医师能够显著提高CTA 检出脑动脉瘤的平均敏感度（从83%提高到89%）。本研究结果显示，低年资住培医师应用AI 阅片对动脉瘤的检出率为95.35%，显著高于单独阅片的79.07%（P＜0.05）；高年资住培医师应用AI 阅片对动脉瘤的检出率为93.02%，高于单独阅片的83.72%，但差异无统计学意义（P＞0.05）。分析原因为：低年资住培医师由于经验更为缺乏，在未应用AI 的情况下对动脉瘤的检出率相对较低，在AI 辅助下对动脉瘤的检出率能够显著提升；而高年资住培医师由于接受培训时间较长，即使在未应用AI 的情况下仍具有相对较高检出率，导致应用AI 后检出率虽有提升但差异无统计学意义。上述结果与Yang 等[8]报道类似，其研究结果发现AI 对经验不足的放射科医生有更大的提升作用，而对经验丰富的医生提升效能有限。

本研究还发现，低、高年资住培医师应用AI 对头部CTA 的阅片时间均短于单独阅片，差异有统计学意义（P＜0.001）。这与Wei 等[9]的报道类似，其结果显示，在AI 辅助下，初级医师和高级医师的诊断脑动脉瘤的效率分别提高了20.7%[（141.1±52.6）s 至（111.9±46.3）s]和18.8%[（113.2±42.5）s 至（91.9±41.2）s]。分析原因为：AI 通过深度学习算法及图像分隔技术，能够精准识别并标注病灶，帮助住培医师快速定位可疑动脉瘤，提升工作效率，缩短阅片时间。

本研究具有一些不足。第一，本研究为单中心研究，样本量相对较少，导致未对不同大小、不同部位动脉瘤的检出率进行分层分析，未来需开展多中心的大样本研究进一步分析。第二，本研究仅对某一品牌的AI 软件进行了分析，将来需进一步探讨不同品牌或厂商的AI 软件对住培医师检出动脉瘤效能的影响。

综上所述，低、高年资住培医师应用AI 有助于提升脑动脉瘤检出率及缩短阅片时间，且以低年资住培医师应用效果更佳，可在放射科住培医师的培训工作中大力推广。