钙化斑块对冠状动脉CTA诊断准确性的影响

许丽雪，李芳，罗南，郭宁，化冰，刘清波，贺毅，王振常，杨正汉*

1.首都医科大学附属北京友谊医院放射科，北京 100050；2.数坤（北京）网络科技有限公司，北京 100102；3.首都医科大学附属北京友谊医院心内科，北京 100050； *通讯作者 杨正汉 yangzhenghan@vip.163.com

冠状动脉CT 血管成像（CCTA）是诊断冠心病的一种重要的无创检查方法，其诊断敏感度及阴性预测值较高[1]。钙化斑块引起的晕染效应及硬化伪影对管腔内情况的识别有干扰作用，可影响CCTA 的诊断准确性。随着人工智能不断发展，深度学习（deep learning，DL）结合CCTA 已用于冠心病诊断与预测[2]。本研究利用256 排CT 采集CCTA 数据，采用视觉与DL算法评估管腔狭窄情况，并在节段水平研究钙化斑块对冠状动脉尤其是主干节段诊断准确性的影响，以帮助临床更准确地解读CCTA 结果，并为DL算法的优化提供客观依据。

1 资料与方法

1.1 研究对象 本研究为回顾性分析。连续纳入2018年1—10月151例临床怀疑或确诊为冠心病的住院患者，均先后行256 排CT 冠状动脉成像与常规冠状动脉造影（CAG）检查。纳入标准：①年龄≥18岁；②CAG 于CTA后6个月内完成。排除标准：①既往冠状动脉搭桥或支架治疗；②因钙化或运动伪影过重等导致图像质量过差而不能满足诊断。最终纳入110例患者共1385个节段，年龄37～84岁，平均（64±9）岁，男68例，女42例，检查时心率44～107次/min，平均（66±13）次/min。高血压78例，高脂血症66例，糖尿病44例，有吸烟史54例。本研究通过医院伦理委员会批准。

1.2 CCTA 扫描 应用GE 256 排Revolution CT扫描机，采用前瞻性心电门控心脏扫描模式。扫描参数：准直器宽度160 mm，机架转速0.28 s。管电压100 kV 或120 kV，自动管电流，层厚0.625 cm，层间距0.625 cm。对比剂采用优维显（370 mgI/ml），注射速度5.0 ml/s，体重<100 kg 者对比剂用量为50 ml，体重≥100 kg 者用量为80 ml。

1.3 管腔狭窄的视觉评估 在GE AW 4.7 工作站完成冠状动脉图像人工后处理。依据国际心血管CT 协会18 段法[3]划分冠状动脉，并依据CAD-RADS[4]评估直径≥1.5 cm 血管的狭窄程度，狭窄评分0～5分，评分≥3分（狭窄程度≥50%）的节段诊断为患病（阳性）节段，评分<3分（狭窄程度<50%）者诊断为阴性节段。18 节段进一步划分为主干节段及分支节段，主干节段包括左主干、前降支近中远段、旋支近段及中远段、右冠状动脉近中远段，其余为分支节段。由2名具有5年以上工作经验的医师采用盲法独立判读，由另外1名具有10年以上工作经验的医师对意见不一致的节段协商判断。

1.4 基于DL算法的管腔狭窄的智能评估 采用一种基于DL 的CCTA 智能诊断算法（deep learning based automated coronary CTA diagnosis algorithm，简称DL算法）[5]对冠状动脉图像进行自动后处理，并自动识别、命名冠状动脉节段，完成管腔狭窄的自动识别。DL算法采用3D 生长型预测神经网络模型，以克服冠状动脉错层伪影等因素的影响，保证血管分割的完整性；并采用一维回检技术以减少冠状动脉狭窄检测的假阳性率。管腔狭窄程度≥50%的节段诊断为患病（阳性）节段，狭窄程度<50%者诊断为阴性节段（图1）。

图1 视觉法与DL算法评估重度钙化节段管腔狭窄情况。人工后处理曲面重组（A）及轴位图（B）示右冠状动脉近段严重钙化斑块，视觉法评估该节段狭窄程度为3 分；DL算法自动后处理曲面重组（C）及轴位图（D）示右冠状动脉近段严重钙化斑块，DL算法评估该节段狭窄程度为57%，评分3 分；CAG 图像示右冠状动脉近段狭窄程度为3分（E）；该节段可见严重钙化斑块（F）

1.5 钙化斑块测量 由2名具有5年以上工作经验的医师基于轴位图像对所有节段责任病灶的钙化斑块进行视觉评估；若节段无狭窄，则评估该节段钙化程度最严重的斑块。意见不一致时协商达成一致。节段钙化情况依据改良的最大钙化弧度视觉评估法[6]评为0～3 分：0分为节段无钙化，1分为轻度钙化（最大钙化弧度<90°），2分为中度钙化（最大钙化弧度90°～180°），3分为重度钙化（最大钙化弧度>180°）（图2）。

1.6 CAG 检查及图像分析 采用GE Innova 2100 IQ X线机进行常规CAG 检查，选用5F MP 导管，经桡动脉穿刺，取7个标准投照体位（左冠状动脉体位包括足位30º、头位30º、右头位、左头位、蜘蛛位，右冠状动脉体位包括左前斜位30º及头位30º），必要时根据具体情况增加投照体位。

由2名具有5年以上工作经验的医师采用盲法独立判读，由另外1名具有10年以上工作经验的医师对意见不一致节段进行判断。冠状动脉节段划分标准及管腔狭窄评估标准与CCTA 标准一致。管腔狭窄程度≥50%的节段诊断为患病（阳性）节段，狭窄程度<50%者诊断为阴性节段。

图2 钙化视觉测量。CCTA轴位图像显示节段无钙化，评0分（A）；节段轻度钙化，评1分（B）；节段中度钙化，评2分（C）；节段重度钙化，评3分（D）

1.7 统计学方法 应用SPSS 26.0 软件，以CAG 作为参考标准，依据钙化轻重程度进行分组，在节段水平分析DL算法与视觉识别冠状动脉管腔狭窄的敏感度、特异度、阳性预测值、阴性预测值、阳性似然比、阴性似然比及受试者工作特征曲线下面积（AUC）。应用Kruskal-Wallis 检验探索钙化严重程度对两种方法评估管腔狭窄的敏感度、特异度、准确度、误诊率、漏诊率及 AUC 的影响，采用 Hanley-McNeil 或McNemar 检验比较上述指标在两种方法间的差异。P<0.05 为差异有统计学意义。

2 结果

2.1 冠状动脉主干节段钙化情况 110例患者共1385个节段，其中主干节段945段（68.2%）。在主干节段中，640段（67.7%）无钙化，137段（14.5%）轻度钙化，122段（12.9%）中度钙化，46段（4.9%）重度钙化，节段患病率分别为56/640（8.8%）、26/137（19.0%）、26/122（21.3%）、19/46（41.3%）。

2.2 不同钙化负荷对两种方法诊断效能的影响 对于主干节段，随着钙化程度加重，视觉评估管腔狭窄的敏感度由66.1%提高至94.7%（P=0.042），特异度由97.3%降低至66.7%（P<0.001）。从无钙化节段到重度钙化节段，DL算法的敏感度由51.8%提高至89.5%（P=0.003），特异度由96.2%降低至29.6%（P<0.001）。对于主干节段，随着钙化程度加重，视觉评估与DL算法的诊断准确度减低（P<0.001），误诊率增加（P<0.001），漏诊率均小于7%并且变化不显著（P>0.05）（表1）。

表1 不同钙化负荷对视觉评估与DL算法诊断冠状动脉CTA 主干管腔狭窄能力的影响

纳入分支节段后，两种方法诊断效能的变化规律与上述规律相似，即随节段钙化程度加重，敏感度升高（P<0.05），特异度降低（P<0.001）；诊断准确度降低（P<0.001），误诊率增加（P<0.001），漏诊率变化不明显（P>0.05）。

2.3 两种方法诊断效能比较 对于诊断主干节段狭窄，视觉评估无钙化至重度钙化节段的AUC值均略高于DL算法，但差异无统计学意义（P>0.05，图3）。两种方法诊断无钙化节段管腔狭窄的敏感度、特异度略有区别，但差异均无统计学意义（P>0.05）。在轻、中、重度钙化节段中，视觉评估与DL算法的敏感度差异无统计学意义（P均>0.05），视觉评估的特异度高于DL算法（P均<0.05），对轻度钙化节段视觉评估误诊率低于DL算法（P=0.011）。

纳入分支血管后，视觉诊断无钙化、轻度钙化及重度钙化管腔狭窄的 AUC值均高于 DL算法（P<0.05），两者仅在中度钙化节段差异无统计学意义（P>0.05）。

图3 DL算法与视觉评估识别无钙化（A）、轻度钙化（B）、中度钙化（C）、重度钙化（D）节段管腔狭窄的ROC曲线

3 讨论

CCTA 具有无创性及较高的诊断准确性[7]，但钙化斑块所致晕染效应及硬化伪影可影响图像质量，从而降低其诊断效能。通过测量每个节段的钙化积分与钙化容积，CCTA 与CAG 对钙化积分高、钙化容积大的节段诊断一致性较差，而在钙化积分低、钙化容积小的节段中，两者诊断一致性较高[8]。Vavere 等[6]采用视觉评估法在节段水平对钙化负荷与CCTA 的诊断准确性进行研究，发现随着钙化负荷增加，CCTA的敏感度增加，特异度减低，诊断准确度减低，假阴性与假阳性结果均增加。本研究将冠状动脉分为主干与分支节段进行研究，与既往研究结果一致。对于主干节段，高钙化负荷会降低视觉诊断的特异度及准确度，提高其敏感度与误诊率；纳入分支节段后钙化负荷对诊断准确性的影响仍符合上述规律。

DL 在冠心病CCTA诊断领域的应用多集中在斑块识别[9]、中心线提取[10]、血流储备分数的计算[11]等。Chen 等[5]报道DL算法在节段水平对诊断冠状动脉狭窄的AUC 达0.84，与视觉评估相近。本研究发现，依据钙化负荷分层，DL算法与视觉评估在节段水平AUC 无显著差异。以管腔狭窄程度≥50%作为诊断界值时，DL算法与视觉评估在各种钙化负荷水平的敏感度无显著差异。然而，在有钙化节段，视觉评估的特异度仍优于DL算法，提示DL算法在减少钙化伪影方面仍需进一步优化。

本研究发现，与视觉评估类似，DL算法的诊断准确性也受钙化负荷的影响。鲁锦国等[12]报道钙化负荷越大，冠状动脉狭窄的可能性越大。本研究也有相似发现，即节段患病率随钙化负荷增加而升高。对于重度钙化节段，DL算法及视觉法均倾向于做出阳性诊断。因此，钙化负荷越重，患病节段被正确诊断的可能性越大，而阴性节段被诊断为患病节段的几率增加，即随着钙化负荷增加，诊断敏感度提高，特异度减低，误诊率增加。De Santis 等[13]报道双源CT 及钙化减影可克服钙化伪影的影响，进一步提高存在严重钙化患者的CCTA诊断准确性。

本研究主要针对冠状动脉主干管腔进行分析，一定程度上减少了分支节段管腔细小对结果的干扰，并探索了钙化斑块对DL算法诊断准确性的影响。本研究尚存在一些不足：①采用视觉法评估钙化负荷，尽管由2名医师独立完成评估，并且实际工作中视觉评估钙化仍较为普遍，但视觉法相对容易遗漏细小钙化。后续研究可加入钙化积分测量，为钙化负荷的判断提供更为客观的指标。②本研究主要纳入主干节段进行分析，可能会使结果发生一定的偏倚，后续研究可纳入更多节段并将血管直径作为关注的因素之一。

总之，DL算法对诊断CCTA 管腔狭窄的AUC 与视觉法相当，两种方法的诊断准确性均随着钙化负荷增加而降低。DL算法需进一步优化以提高对钙化节段管腔狭窄的识别能力，同时，临床也需要发展双能CT 与钙化减影等新技术，以最大限度地克服钙化伪影的影响。