冠状动脉CT成像人工智能辅助诊断的应用价值

王平 龙晓宙 黄刚 周星 毛泽庆 臧太平

甘肃省人民医院，甘肃 兰州730000

随着计算机断层扫描（computerized tomography，CT）多排探测器技术及双源CT技术的飞速发展，冠状动脉CT血管造影（coronary CT angiography，CCTA）作为一种稳定、可靠的诊断工具被临床广泛应用于冠状动脉疾病的诊断。冠状动脉CTA在排除冠心病（coronary arterydisease，CAD）方面非常有效，具有很高的阴性预测值（negative predictive value，NPV）。然而CCTA需要影像技术人员及医生对所获得的数据进行后处理并对冠脉每支血管逐一进行评估，需要耗费大量时间。机器学习为计算机系统通过从大型数据集中提取模式来自主获取知识的能力，近年来，基于计算机深度学习的人工智能（artificial intelligence，AI）技术改变了对所有信息的观念，在社会各领域具有无限的应用潜力。AI技术正在从根本上改变医学实践方式，并在放射医学、病理性及临床心脏病学等多个领域取得了一定成果［1-3］。本研究应用AI冠脉辅助诊断软件对既往使用CCTA及冠状动脉造影术（coronary arteriography，CAG）检查的患者CT数据进行软件自动分析并与两者进行比较，探讨AI冠脉辅助诊断软件在评价冠脉疾病的诊断效能。

1 资料与方法

1.1 一般资料 回顾分析2015年5月至2019年12月在我院行CCTA及CAG检查的52例患者的冠脉影像资料，其中男性34例，女性18例，年龄31～86岁，平均（61.98±11.66）岁。

1.2 纳入与排除标准 纳入标准：①患者均同时接受CCTA及CAG检出；②CCTA图像满足诊断要求（图像质量评分＞3分）。排除标准：①冠脉支架置入术后患者；②冠脉搭桥术后患者；③患者接受两种检出时间间隔小于2周。

1.3 检查方法 冠状动脉CT扫描均使用西门子第二代SOMATOM Definition双源CT。扫描方式包括前瞻性及回顾性心电门控扫描。对比剂注射流速4.5mL/s，注射容量为1mL/kg，对比剂注射后以相同流率注射30mL生理盐水。采用对比剂示踪技术，将感兴趣区置于升主动脉根部，注射造影剂后5～10s开始延迟触发扫描，触发阈值设定为100HU。CAG使用西门子Artis One平板DSA系统，术前准备后行桡动脉或股动脉穿刺左、右冠状动脉造影检查，摄影部位选择常规6部位，每个体位注射造影剂4～6mL。X线剂量模式选择常规模式，图像采集速率15fps。

1.4 冠状动脉图像处理 医生处理及评价CCTA图像使用Sigovia工作站完成。将最佳收缩期、舒张期数据传入工作站后使用冠状动脉分析软件进行图像后处理，人工标记冠脉各分支并行最大密度投影、曲面重建和容积再现成像，判断冠脉有无变异，参照美国心脏病协会冠心病分段标准逐一判断左前降支（LAD）、左回旋支（LCX）及右冠状动脉（RCA）是否存在狭窄、狭窄部位、狭窄程度以及斑块性质。CCTA图像由1名心血管亚专业影像主治医师完成图像处理后分析评价，由另1名心血管亚专业影像副主任医师审核分析结果，意见有分歧时讨论确定判读结果。AI冠脉辅助诊断均在医生完成评价后进行。从Sigovia工作站调取最佳收缩期或舒张期图像信息传至工作站后采用数坤冠脉辅助诊断软件完成评估。软件分析第一步：自动识别、标记冠状动脉；第二步：对血管进行自动评价后生成报告；第三步：生成不同重建方式的不同角度图像以供打印排版。

1.5 观察指标 观察AI在冠脉狭窄及斑块的诊断准确性。

1.6 统计学方法 采用SPSS22.0软件对数据进行统计分析，计数资料差异比较采用χ2检验，P＜0.05为差异有统计学意义。

2 结果

2.1 冠状动脉管腔狭窄的诊断 以CAG检查结果为金标准，以狭窄血管计数，AI辅助诊断软件对CT冠状动脉三主支血管（LAD、LCX、RCA）管腔狭窄诊断的敏感度、特异度、阳性预测值及阴性预测值分别为敏感度89.09%、79.21、70.00%和93.02%（表1）；医生对冠状动脉管狭窄诊断的敏感度、特异度、阳性预测值及阴性预测值分别为89.09%、89.11%、81.67%和93.75%（表2）。AI辅助诊断与医生诊断对冠脉狭窄诊断敏感度比较无统计学差异（P＞0.05）；诊断特异度AI辅助诊断低于医生诊断，差异有统计学意义（P＜0.05）。

2.2 冠状动脉管壁斑块的诊断 以不同性质斑块累及血管计数，冠状动脉管壁非钙化斑块医生诊断与AI辅助诊断的检出率分别为12.8%、17.3%（表3）；冠状动脉管壁钙化及混合斑块医生诊断与AI辅助诊断的检出率分别为41.0%、42.9%（表3）。以CCTA医生诊断为标准，冠状动脉三主支血管管壁斑块AI辅助诊断与医生诊断检出率比较，AI辅助诊断对冠状动脉非钙化斑块及钙化、混合斑块的诊断与CCTA医生诊断之间无明显统计学差异（P＞0.05）（图1）。

表1 AI辅助诊断冠脉狭窄准确性

表2 CCTA医生诊断冠脉狭窄准确性

表3 CCTA医生与AI对冠脉非钙化斑块检出率比较

2.3 冠状动脉变异的诊断CCTA医生共诊断冠状动脉起源异常2例，冠状动脉三主支血管共检出7支心肌桥形成，相应冠状动脉管腔未发现明显狭窄。AI辅助软件未能检出或提供冠状动脉变异诊断信息。

3 讨论

图1左前将支CCTA与CAG图像

图2右冠状动脉CCTA与CAG图像

冠状动脉疾病的影像学检查主要有CAG和CCTA，其中CAG是冠脉动狭窄诊断的“金标准”，但因CAG为有创检查，其在临床诊断的应用受到限制。随着多层螺旋CT的临床应用，CCTA在心血管领域的临床应用得到极大推广。通过静脉注射对比剂后行心脏多层螺旋CT扫描并行后处理分析，CCTA可以清晰显示冠状动脉3～4级分支血管细节，对血管变异疾病、血管壁疾病以及显示病变与冠状动脉之间关系有重要价值，对冠状动脉狭窄的诊断准确性高［4］。相对于冠脉造影等有创检查，CCTA创伤小且检查快速，有利于观察心脏及冠状动脉整体情况，在清晰显示血管腔的同时也可以显示血管壁的动脉粥样硬化斑块及心肌桥等病变。近年来，随着医学影像学数据的快速积累和计算机软硬件的提升，人工智能技术在医学影像诊断领域的研究和应用呈现快速增长趋势［3，5-7］。在冠脉诊断方面已有AI辅助诊断软件投放临床进行测试，有相关的研究显示，基于深度学习的计算机人工智能技术在冠心病及冠脉斑块的诊断方面有较高的应用价值，特别是在冠脉钙化的诊断中具有较高的准确性［8，9］。

近年来，国内外的研究显示CCTA诊断冠脉狭窄具有很高的准确性［10-12］，但是目前我国大多数医院使用的CT扫描设备无法在一个心动周期完成全心脏扫描，为了获得优良的CCTA图像，对患者的心率、呼吸都有一定的要求。本研究所纳入的患者均为心率小于75次/分，排除心率不齐及无法屏气的患者。本研究结果显示，AI辅助诊断软件诊断冠脉狭窄的敏感性和医生诊断的敏感度相同，但特异度较医生诊断略低，其原因可能是AI辅助诊断软件把部分血管伪影误判为冠脉管腔狭窄（图2）。

早期、准确评估冠状动脉斑块性质，特别是识别不稳定斑块对临床治疗及管理有着重要意义。一方面，冠状动脉非钙化性斑块早期易发生破裂，是ACS发生的独立危险因素［13］；另一方面，有研究［14］认为，粥样硬化斑块的类型与冠脉管腔的狭窄程度有一定关系，钙化斑块特别是钙化范围广者一般引起管腔轻度狭窄，而非钙化斑块可引起明显狭窄。本研究对AI辅助诊断及CCTA医生诊断冠脉管壁斑块进行对比，结果显示两者在对不同性质斑块的检出无明显差异，说明通过大量病例学习，AI软件可通过斑块密度及形态差别而准确区别不同性质的斑块。

冠状动脉变异发生率较低，大多数冠状动脉变异不会影响生理功能。心肌桥（Myocardiol bridges，MB）也被认为是冠脉变异的一种。节段走行于浅层心肌纤维下的壁冠状动脉（mural coronary artery，MCA）其表面被覆的心肌称为MB。以往有研究［15，16］认为，MB-MCA可导致心肌退变、急性心肌缺血甚至与猝死相关，引起人们对其临床意义的关注。GAG无法显示冠脉管壁外的结构，只有在收缩期和舒张期冠脉发生明显管腔变化时才间接提示MB-MCA存在。CCTA除能判断冠脉形态结构的异常外，可准确判断冠状动脉与心肌的空间关系。与GAG相比较，研究显示［17］，CCTA诊断MBMCA有着更高的特异性及阳性预测值。本研究病例中冠状动脉三主支血管共检出7支存在MB-MCA，但AI辅助诊断软件并未能诊断或提示其存在。在冠状动脉变异诊断方面，AI辅助诊断仍需大量病例学习以期可准确区别血管与周围解剖结构。

本研究的不足在于受限于样本量，对AI自动分析软件判断冠脉小分支血管病变的能力未能进行分析，对冠脉支架置入术后及冠脉搭桥术后患者也未能纳入研究，对此需进一步大样本量的验证。

总之，冠状动脉CT成像AI辅助诊断对冠状动脉狭窄有较高的诊断准确性；对冠状动脉壁斑块，特别是钙化或混合斑块诊断具有一定的价值。但目前AI软件对冠状动脉发育变异的诊断能力有限，计算机需要更多病例学习及软件优化。