冠脉CTA 人工智能辅助阅片对不同年资规培医生工作效能影响的研究

张添辉，钟 正，黄志峰，范伟雄（通信作者）

（梅州市人民医院放射科 广东 梅州 514031）

冠状动脉疾病（coronary artery disease，CAD）发病率逐年上升并已成为导致老年人死亡的主要疾病之一。早期无创诊断CAD 对于临床早期干预及改善患者预后具有重要意义。冠脉CT 血管成像（computed tomography angiography，CTA）是目前无创诊断CAD 的首选影像学检查方法，具有较高的诊断准确性[1-2]。住院医师规范化培训（简称“规培”）是培养高素质放射科医师的重要继续教育阶段，其中冠脉CTA 是该阶段规培医生必须掌握的核心内容之一。然而，由于冠脉CTA 检查图像众多，同时冠脉解剖及影像表现复杂，导致规培医生报告书写工作效率低下，且误诊或漏诊情况时有发生。近年，人工智能在影像诊断及医学教育中显示出巨大的潜能，在提高规培医生诊断准确性及工作效率方面展现出良好的前景[3-4]。因此，本研究将探讨冠脉CTA 人工智能辅助阅片对不同年资规培医生工作效能的影响，以期为培养适应“AI+”诊疗模式的高素质医师提供参考经验。

1 资料与方法

1.1 一般资料

回顾性搜集2022 年6 月—7 月在梅州市人民医院接受冠脉CTA 检查的44 例患者，其中男性25 例，女性19例，年龄为47～83 岁，平均年龄（65.39±9.69）岁。

纳入标准：①患者行冠脉CTA 及冠状动脉血管造影（coronary angiogram，CAG）检查，且临床及检查资料完整；②在图像储存和传输系统（picture archiving and communication system，PACS）系统存储有冠脉CTA 原始图像，且能够被AI 软件处理。排除标准：①冠脉CTA图像存在严重呼吸或运动伪影，影响诊断；②严重心律不齐，导致图像质量不佳；③患者既往行心脏起搏器植入术或冠脉搭桥术。

1.2 方法

检查前指导患者进行屏气训练，连接心电门控。采用德国西门子双源Force CT 进行扫描。扫描范围包括气管隆突肺动脉水平至膈下1 cm。扫描参数为：自动管电压，自动管电流，心电R-R 间距30%～80%采集，重建层厚0.6 mm，间距0.3 mm。造影剂采用370 mg/mL的碘帕醇，应用造影剂示踪法，触发监测层面定位于升主动脉，当CT 值达100 HU 时自动启动扫描。

阅片方式：招募在我院放射科轮转的低年资（二年级）和高年资（三年级）规培医生作为阅片者，并由同一名带教老师进行冠脉CTA 影像学表现及AI 软件使用方法的培训。培训结束后，采用以下方法进行阅片。①单独阅片：规培医生在PACS 系统上对冠脉CTA 图像进行判读并诊断各支血管有无狭窄及记录阅片时长。其中，血管狭窄包括轻、中、重度狭窄及闭塞；阅片时长为打开每个患者冠脉CTA 图像到完成诊断关闭图像的时间。②应用AI 辅助阅片：经过14 d 的洗脱期后，阅片者应用冠脉CT 血管造影人工智能处理软件（上海联影智能公司，版本号0430）进行图像判读并记录诊断结果及阅片时长（图1）。

图1 冠脉CT 血管造影人工智能处理软件

1.3 观察指标

以CAG 为金标准，计算不同年资规培医生单独阅片与AI 辅助阅片的诊断灵敏度和特异度；比较低、高年资规培医生单独阅片与AI 辅助阅片的阅片时长。

1.4 统计学方法

采用SPSS 20.0 统计软件进行数据分析。符合正态分布的计量资料采用（）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 一般资料

44 例患者三大主要分支共132 支血管，以CAG 为参考金标准，其中100 支血管存在狭窄（包括40 支左冠状动脉前降支、28 支冠状动脉回旋支、32 支右冠状动脉），32 支血管无狭窄（包括4 支左冠状动脉前降支、16 支冠状动脉回旋支、12 支右冠状动脉）。

2.2 低、高年资规培医生单独阅片与AI 辅助阅片诊断冠脉狭窄的效能

低、高年资规培医生单独阅片与AI 辅助阅片对冠脉狭窄的诊断结果详见表1。以CAG 诊断结果为参考标准，低、高年资规培医生应用AI 辅助阅片诊断冠脉狭窄的特异度高于单独阅片，且差异具有统计学意义（P＜0.05），诊断冠脉狭窄的灵敏度稍高于单独阅片，但差异无统计学意义（P＞0.05），详见表2。

表1 低、高年资规培医生单独阅片与AI 辅助阅片诊断冠脉狭窄的结果 单位：支

表2 低、高年资规培医生单独阅片与AI 辅助阅片诊断冠脉狭窄的效能[%（n/m）]

2.3 低、高年资规培医生单独阅片与AI 辅助阅片的阅片时长

低、高年资规培医生应用AI 辅助阅片的阅片时长均短于单独阅片（t=11.420、6.054，P＜0.05），详见表3。

表3 规培医生采用单独阅片与AI 辅助阅片的阅片时长比较（，s）

表3 规培医生采用单独阅片与AI 辅助阅片的阅片时长比较（，s）

3 讨论

随着我国生活水平提高及进入老年龄化社会，CAD患病率逐年升高，对于冠脉CTA 的检查需求越来越多。近年，随着AI 技术在影像数据采集、图像后处理和辅助诊断方面的不断进步，其在冠脉CTA 检查中显示出巨大的优势，可用于自动识别和描述冠脉CTA 图像中的异常，如管腔狭窄、狭窄程度及斑块类型[5]。多项研究报道，冠脉CTA 人工智能在冠状动脉疾病诊断中具有较高的诊断准确性[6-8]。然而，在以往的文献报道中，大多数研究是由具有一定诊断经验的放射科医生进行阅片获得，而对于经验较少且处在学习阶段的规培医生的应用价值尚不清楚。因此，本研究旨在探讨冠脉CTA 人工智能辅助阅片对不同年资规培医生工作效能的影响。

Han 等[9]研究发现，低年资医师（冠脉CTA 阅片经验≤50 例）应用冠脉CTA 人工智能辅助阅片诊断冠脉狭窄的敏感度获得显著提升，而高年资医师（冠脉CTA 阅片经验≥700 例）的诊断特异度获得提高，提示AI 可帮助提高不同经验水平医师的诊断性能。本研究结果发现，低、高年资规培医生应用AI 辅助阅片对冠脉狭窄的诊断特异度高于单独阅片，且差异具有统计学意义（P＜0.05），诊断灵敏度稍高于单独阅片，但差异无统计学意义（P＞0.05）。分析原因为：AI 软件不仅能够在冠脉CTA 原始图像及后处理图像上自动检出及标示出病变血管及狭窄程度，且允许规培医生对图像进行缩放、旋转或切换不同重建模式等操作，同时能够生成冠脉CTA 智能化报告，从而帮助规培医生提高诊断准确性。这与冯琦等[10]报道相符，其研究发现应用AI 的规培医生在冠脉的解剖命名、斑块的检出及冠脉管腔狭窄程度的判定方面比未应用AI的规培医生表现更优（P＜0.01）。

Yang 等[11]研究发现，使用基于深度学习的AI 软件后，放射科医生对冠脉CTA 的后处理及阅片报告时间从798.60 s 缩短到189.12 s（P＜0.05），使得工作效率获得极大提升。Han 等[9]研究发现放射科医生应用AI 组和未应用AI 组的阅片时间中位数分别为413 s 和615 s（P＜0.001）。本研究结果与上述报道相符，结果显示低、高年资规培医生应用AI 辅助阅片的阅片时长显著短于单独阅片（P＜0.05），提示AI 可缩短规培医生的阅片时间，提高诊断效率。

本研究存在一些局限性。第一，本研究为回顾性分析，入组的为接受冠脉CTA 及CAG 检查的患者，可能存在一定选择性偏倚；第二，本研究样本量较小，仅对AI 辅助规培医生诊断冠脉狭窄的效能进行研究，而未对识别斑块类型及狭窄程度的效能进行评估，有待扩大样本量后进一步研究。

综上所述，冠脉CTA 人工智能辅助阅片能够提升低、高年资规培医生诊断冠脉狭窄的特异度，并显著缩短阅片时长，提升工作效率。