人工智能在冠脉影像诊断中的应用

彭坤

(河南郑州联勤保障部队第九八八中心医院，河南 郑州 450000)

0 引言

冠状动脉疾病是较为常见的心血管疾病，尤其是冠心病在中老年群体中具有很高的发病率，对于患者的身体健康产生严重影响。近年来冠心病的发病率显著上升，冠心病导致的死亡率处于较高水平[1]。随着信息技术和智能化设备的研发和应用，人工智能在医学诊断中能够发挥其功用。在冠脉影像诊断中使用人工智能可以在保证诊断效果的同时，显著缩短影像分析诊断时间。此研究于医院心内科选取2019年1月至2019年10月收治的60例疑似冠心病患者作为研究对象，入组患者均接受常规冠状动脉CT血管成像扫描检查，检查结果分别由高年资医生和人工智能进行分析诊断，对比两种诊断方式的效果，明确人工智能诊断的应用价值，报告如下。

1 资料与方法

1.1 一般资料

此研究于医院心内科选取2019年1月至2019年10月收治的60例疑似冠心病患者作为研究对象，其中男24例，女36例，年龄34~75岁，平均(57.34±4.12)岁，患者的平均BMI值是(24.02±2.92)kg/m2。入组患者皆为自由心率，心律变异相不超过5次/min；排除碘过敏患者、严重心律不齐患者、无法配合检查患者，以及病例资料不完整的患者。入组患者均签署院内伦理委员会批准的研究知情同意书。

1.2 检查方法

入组患者均由专人讲解冠状动脉CT血管成像扫描检查流程及注意事项，缓解患者的疑虑及紧张情绪，并确定患者无碘过敏史，检查前实施对比剂过敏皮试；在患者的右侧肘前静脉出预埋留置针(18号)，推注10mL~20mL的生理盐水，确保留置导管顺畅。检查中患者取平卧位，躺在CT检查床上，将留置针与双筒高压注射器连接，再推注10m~20mL的生理盐水，确保顺畅，同时再次提示患者退药时可能出现一次性发热等状况，指导患者开展屏气呼吸训练；在患者的两侧锁骨及肋弓下处，粘贴电极，将电极准确地与心电监护仪相连接，检测患者的心率水平，在获得稳定心电图之后，定位，扫描。首先定位相扫描，明确需要扫描的范围，之后实施增强扫描，使用60mL~70mL的非离子型对比剂以及30mL的生理盐水，流率设定为5.00mL/s~5.50mL/s，通过对比剂示踪法监测CT值变化，延迟时间为8s，使用回顾性心电门控法扫描，扫描过程中的参数为：100kv管电压，280mAs管电流，层厚是0.75cm，总的扫描时间是4s左右。

1.3 图像处理与分析方法

检查中获得的影像数据均及时上传到工作站中，利用冠状动脉分析软件进行处理，显示各个节段，明确是否有狭窄及斑块，通过深睿医疗冠心病智能辅助诊断工作站调取影像资料，并自动识别血管及病变，形成分析报告，自动排版出片。针对性地分析患者的左前降支(LAD)、右冠状动脉(RCA)和回旋支(LCX)狭窄、斑块性质等。影像资料有2名10年以上工作经验的医师进行分析审核。

1.4 统计学处理

对于此次研究当中检测与统计得到的数据，均使用SPSS 19.0统计软件进行统计分析，计数资料采用(%)表示，用(χ2)进行数据检测校验，计量资料用(±s)表示，用(t)进行数据校验。P<0.05表示差异有统计学意义。

2 结果

2.1 人工智能和医生对冠心病的总体诊断结果对比

与高年资医生诊断结果相比，人工智能诊断冠心病的总体结果无明显差异(P>0.05)，阳性预测值为87.50%(35/40)，阴性预测值为75.00%(15/20)。如表1。人工智能冠状动脉CT血管成像扫描影像，可以清晰显示冠脉主干与主要的分支血管，高年资处理图像的平均时间为6min，人工智能处理时间为10s左右，见表1。

表1 冠心病总体诊断结果对比

2.2 人工智能和医生对冠脉病变定位诊断结果对比

冠脉病变定位诊断当中，人工智能与医生对于主要冠脉血管病变的定位诊断结果不存在明显差异(P>0.05)。人工智能LAD、RCA、LCX病变定位诊断的阳性预测值分别是75.86%(22/29)、68.75%(11/16)和 80.00%(8/10)，阴性预测值分别是 80.65%(25/31)、79.55%(35/44)和 86.00%(43/50)，见表2。

表2 冠脉病变定位诊断结果对比

2.3 人工智能和医生对冠脉狭窄诊断结果对比

冠脉狭窄诊断中，人工智能对于冠脉狭窄的总检出率为30.85%，医生的检出率为32.40%，两者不存在明显差异(P>0.05)。

3 讨论

心血管疾病是近些年来威胁人类身体健康的主要疾病之一，并且在饮食习惯和工作环境等因素的影响下，心血管疾病的发病率显著上升，且出现年轻化趋势[2]。冠心病是由于冠状动脉血管狭窄导致的较为常见的心血管疾病，在临床诊断中，及时发现并精确定位冠脉狭窄，同时判断斑块的性质，不仅能够使患者得到及时诊治，还能够为针对性治疗的优化奠定基础[3]。冠状动脉CT血管成像扫描检查具有较高的图形真实性，能够清晰地观察到冠脉血管数量及分支结构，还能够获得清晰的血管及组织对比度，诊断准确性较高。

大量的医学影像数据使得影像分析和诊断工作量显著增加，更加迅速、准确地分析判断影像资料，成为医疗行业研究的重要内容。人工智能技术与医疗影像检查设备的发展，为人工智能应用于冠脉影像诊断中，提供了条件。此次研究中，通过人工智能自动识别患者的冠状动脉CT血管成像扫描检查资料，将其诊断结果与资深医师分析结果进行对比。研究结果表明：与高年资医生诊断结果相比，人工智能诊断冠心病的总体结果无明显差异(P>0.05)，阳性预测值为87.50%(35/40)，阴性预测值为75.00%(15/20)。如下表1。人工智能冠状动脉CT血管成像扫描影像，可以清晰显示冠脉主干与主要的分支血管，高年资处理图像的平均时间为6min，人工智能处理时间为10s左右。冠脉病变定位诊断当中，人工智能与医生对于主要冠脉血管病变的定位诊断结果不存在明显差异(P>0.05)。人工智能LAD、RCA、LCX病变定位诊断的阳性预测值分别是75.86%(22/29)、68.75%(11/16)和 80.00%(8/10)，阴 性 预 测 值 分 别 是 80.65%(25/31)、79.55%(35/44)和86.00%(43/50)。冠脉狭窄诊断中，人工智能对于冠脉狭窄的总检出率为30.85%，医生的检出率为32.40%，两者不存在明显差异(P>0.05)。研究结果表明，人工智能识别处理冠脉影像，能够清晰地显示患者的冠脉主干与分支血管，且可以准确地显示病变部位，相较于医生分析处理，人工智能在时间上具有较大的优势。

我国研究人员针对冠心病识别模型以及多参数智能诊断，较早地进行了十分丰富的研究，加之近些年基于机器学习的神经网络的算法以及硬件支持发展，智能诊断进一步发展和兴起，为临床诊断工作量的缓解提供了途径。研究发现，人工智能与医生在冠心病的整体诊断上不存在明显差别，对于冠脉狭窄的检出率存在一定的差别，这可能是由于人工智能学习数据来源于多家医院的多名医师，选取的医师不同，获得的检查诊断结果会出现的一定的差异，但差异并不显著，后续需要持续扩展人工智能的学习数据库，并通过多中心研究向不同的医师进行验证。当下，人工智能诊断冠心病逐渐由结构评价转变为功能与预后研究方面，并且相关研究逐渐深入和完善。

综上所述，人工智能在冠脉影像诊断当中具有较高的敏感度和特异度，其在冠心病整体诊断、病变定位识别、病变斑块性质及病变管腔狭窄程度诊断中，均能够取得较为准确的诊断的结果，总体上与医生诊断无明显差异。在冠脉影像诊断中使用人工智能分析诊断，得到的诊断结果与高年资医生诊断十分接近，合理使用人工智能辅助诊断具有较高价值。此次研究还存在一定的不足之处，由于样本量等因素的限制，研究还有待优化与完善，需要后续进行大量本量的多中心临床研究，对人工智能系统进行进一步优化和完善，提升人工智能在冠脉影像诊断中的价值。