AI在CCTA诊断冠状动脉狭窄中的

准确性及应用价值

李浚利 韩 丹 段 慧 黄益龙 闵 蕊 蔡雅倩 张正华

冠状动脉CT血管成像（coronary computed tomography angiography，CCTA）为临床诊断冠心病的首选无创检查手段[1-2]。目前对CCTA图像的评估是利用冠状动脉后处理工作站基于视觉对病变进行检测[3]。随着社会老年化及经济水平提高，CCTA在冠心病筛查中得到了普及，图像数量增加导致医师工作量增大，易导致医师视觉疲劳，加之临床经验不足等，常导致医师遗漏狭窄节段及错评狭窄程度[4-5]，而不同狭窄节段及狭窄程度会导致临床治疗方案不同。近年，基于深度学习的人工智能( artificial intelligence，AI )已开发及应用于多种疾病的筛查及诊断，并取得了一定成果[6-8]。AI在CCTA成像中的应用也开始在临床试用，主要用于自动识别及诊断冠状动脉病变节段、狭窄程度，但对冠状动脉病变诊断的准确性报道较少并尚无定论。因此，本研究通过以有创冠状动脉造影（invasive coronary angiography，ICA）对冠状动脉病变的诊断作为金标准，探讨AI在CCTA诊断冠状动脉狭窄中的准确性及临床应用。

方 法

1.临床资料

回顾性收集我院2019年4月至2019年10月行CCTA及ICA的病人110例，男性占73.64%，平均62.2±11.8岁。CCTA病人纳入标准：①CCTA图像血管伪影少，不影响诊断。②与ICA检查时间间隔＜2周。③AI软件能自动计算完成的病例。排除标准：①冠状动脉支架置入术后或搭桥术后。②冠状动脉开口异常。

2. CCTA及ICA检查方法

2.1 CCTA方法：西门子双源CT(Somatom Definition flash，Siemens Healthcare， Forchheim，Germany)采用前瞻性心电门控序列扫描模式，头足方向，扫描范围为气管隆突下1cm到心尖下1cm。球管转速0.28s/周，层厚0.75mm，探测器宽度128×0.6mm；扫描参数：100kV/244mAs，开启实时动态曝光剂量调剂自动曝光（Care dose 4D on），层厚0.75mm，层距0.50mm，重建算法B26f ASA。美国Med Rad双筒高压注射器（Stellant D，Medrad， INC. America）注射对比剂碘海醇（浓度 为 350mgI/ml）， 注 射 流 率 4.5 ～ 5.5 ml/s，对比剂用量50～70 ml，以相同注射流率跟注盐水40 ～ 50 ml。

2.2 ICA方法：采用飞利浦数字减影血管造影机，对比剂为碘海醇（浓度为350mgI/ml）。经皮穿刺股动脉或桡动脉置入血管鞘，选择冠状动脉导管分别插入左、右冠状动脉并固定导管头，通过不同投照角度明确冠状动脉狭窄节段及程度。

3.图像分析

按照SCCT冠状动脉树18段分段法[9]，110例病人管腔直径≥1.5mm共1561段。位于管腔外斑块未引起明显狭窄节段及闭塞以远不显影节段不纳入评价范围，共77段，最终共1484段纳入评价。按既往狭窄程度分为无狭窄、轻度狭窄（＜50%）、中度狭窄（50%～70%）、重度狭窄（＞70%）。数坤AI冠脉智能辅助诊断系统软件（Coronary Doc V150.150.0669）接收CCTA图像后，自动对图像进行重组及计算分析。两名工作5年以上心内科导管医师对ICA图像进行评价，意见有分歧时经协商取得一致，最终结果作为金标准。

4.统计学方法

使用SPSS23.0统计软件进行分析。以ICA结果为金标准，计算AI在CCTA中检出冠状动脉狭窄节段及诊断不同狭窄程度的敏感度、特异度、阳性预测值、阴性预测值及准确性，并对AI与ICA的诊断结果进行Kappa值一致性分析。K≤0.40，表明诊断一致性较差；0.40＜K≤0.60，表明诊断中度一致；0.60＜K≤0.80，表明诊断有较高度一致性；K＞0.80，表明诊断一致性好。

结 果

AI检出冠状动脉狭窄节段总的敏感度、特异度、阳性预测值、阴性预测值分别为92.97%、97.91%、88.53%、96.36%，准确度 93.60%。与 ICA 比较诊断一致性好，Kappa值为0.86（表1）。

狭窄节段中AI诊断轻度狭窄、中度狭窄、重度狭窄的敏感度分别为 84.51%、72.89%、58.74%，特异度分别为81.93%、83.92%、93.98%，阳性预测值分别为 76.10%、57.67%、77.06%，阴性预测值分别为 88.60%、91.14%、86.86%。AI诊断冠状动脉血管狭窄程度总准确性为66.13%，与ICA诊断一致性一般（Kappa值为0.58）（表2，图1～3）。

表1 AI对冠状动脉狭窄检出与ICA检出对比（段）

图1 男性，60岁。A.ICA图像，显示RCA中段重度狭窄（黑箭头所示）；B.CCTA图像，图A自动检出狭窄并诊断RCA中段为重度狭窄（黑箭头所示）。图2 女性，65岁。A.ICA图像，显示R-PDA中度狭窄（黑箭头所示）；B.CCTA图像，AI自动检出并诊断R-PDA为中度狭窄（黑箭头所示）。图3 男性，64岁。A.ICA图像，显示LAD近段、远段重度狭窄（黑箭头所示）；B.CCTA图像，AI自动检出并诊断pLAD中度狭窄、dLAD重度狭窄（黑箭头所示）。

表2 AI对冠状动脉狭窄程度诊断与ICA诊断对比（段）

讨 论

冠心病最主要的病因为冠状动脉粥样硬化[10]。随着生活水平日益提高，人们动脉粥样硬化率逐年增长。CCTA能准确快速诊断冠状动脉血管是否存在狭窄及狭窄程度，这可为临床医师提供下一步治疗方案的依据。深度学习算法的不断提高，使AI已运用于辅助医学诊断及精准医学中的多个方面[6-8]，在医学影像诊断中可一定程度减轻医生工作量，同时提高放射科医生生产力，有利于促进放射学的工作流程，改善对发现结果的检测和解释，减少出错机会[11]。

冠状动脉AI通过对医师诊断流程和方法的深度学习，最终基于冠状动脉信息，对冠状动脉进行狭窄节段检出及评价狭窄程度。临床上冠状动脉不同狭窄程度有不同治疗方案，狭窄程度低于50%可通过调整饮食习惯或药物进行治疗，狭窄程度位于50%～70%临界病变的病人需进一步行血流储备分数检查，为评价血管狭窄的功能性指标，临床根据功能性指标决定该部分病人进行支架置入治疗或药物治疗，而狭窄程度高于70%的病人则进行支架置入治疗[12-13]，因此本研究将狭窄程度分为以上几个等级。

既往研究表明[14]AI对冠状动脉病变定位诊断的敏感度、特异度、阳性预测值及阴性预测值分别为73.91%、82.69%、65.38%、87.76%，低于本研究结果的原因可能为AI对更多病例进行了深度学习，对病变定位的算法进行了改善，以及图像质量的不同。本研究中AI检出狭窄节段总假阳性数为60段，其中45段位于血管分叉处，9段冠状动脉存在轻微伪影及错层，6段管腔突然变细AI错将周围组织识别成非钙斑并导致管腔狭窄。共有35段狭窄节段未被AI检出，其中21段因冠状动脉闭塞AI只识别显影近端导致，未识别10段心肌桥或贴壁血管引起的管腔狭窄，4段条形非钙斑未被AI识别。本研究得出AI检出冠状动脉狭窄节段具有较高准确性，但对冠状动脉分叉处或突然变细、心肌桥或贴壁血管、闭塞节段诊断方面有待提高，特别是对闭塞节段的诊断。

AI在诊断狭窄程度与ICA诊断一致性一般。Arnoldi等[15]、Kang等[3]得出AI对冠状动脉狭窄自动检出的敏感度、特异度分别为74%、83%，93%、95%。与本研究结果不一致的原因多为Kang研究中的AI是基于分析方法与机器学习方法的组合，应用支持向量机算法，此组合可能优于本研究应用的卷积神经网络算法，而Arnoldi研究只包含了狭窄程度大于50%的节段。本研究AI诊断轻度狭窄具有较高敏感度、特异度，诊断中度狭窄及重度狭窄敏感度较低，但特异度高，原因为本研究重度狭窄包含了闭塞节段，闭塞以远血管不显影时，AI只识别闭塞近端，并将其识为正常血管。此版本AI区分中度狭窄与重度狭窄能力较差，但可较好的辅助医师筛查不存在中重度狭窄的节段。

本研究存在一些不足之处，首先本研究为单中心研究，采取的样本量存在一定偏差；其次，未对不同斑块性质对AI准确性的影响进行分析，这些均有待进一步研究。

综上所述，AI对冠状动脉狭窄节段的检出准确性较高，在诊断冠状动脉狭窄程度上与ICA一致性一般，可减少医师漏诊狭窄节段，为医师提供狭窄程度量化参数。随着AI的不断深度学习，将有望增加AI诊断冠状动脉狭窄程度的鲁棒性。