人工智能辅助诊断系统对主动脉夹层CTA诊断的价值

齐海成 张焕文 辛 娟 刘 倩 栗 岩 邢 艳

主动脉夹层（aortic dissection，AD）是心血管疾病中的一种高危疾病，发病突然，进展迅速，急性致死率高达65%～70%，手术治疗为其主要治疗手段，及时正确的诊断和精准的术前影像评估在AD 治疗中发挥重要作用［1-3］。在可疑AD 的患者中，主动脉CT血管成像（computed tomography angiography，CTA）是首选的成像方式，因为与其他成像方式相比，它具有广泛的可用性以及快速的图像采集和处理能力，以及95%的出色灵敏度，但主动脉CTA 对AD 的诊断及后处理过程需大量医疗资源和人力资源，在主动脉直径测量方面，是主观、费时的，所以需更高效、精准的AD 的诊断方法［3-5］。近来，人工智能（artificial intelligence，AI）等前沿技术逐渐应用于医疗领域，如AI 应用于肺结节检测、动脉瘤、心血管图像重建等领域中，AI对于AD 完成了自动分割及测量，而其对于AD 的诊断效能、对影像医师工作效率提高的研究较少［6］。本研究采用自身对照的方法，探讨AI 辅助诊断系统对AD的诊断价值。

方 法

1. 研究对象和方法

本研究前瞻性收集2020 年7 月1 日至2020 年12月31 日在本院经主动脉CTA 诊断为AD 的患者（n=72），其中排除假腔内血栓较大的患者（n=4）、图像质量差的患者（n=6）、主动脉主要分支起源异常的患者（n=1），局限性夹层患者（n=3），最后共纳入58 例患者，其中男45 例，女13 例，年龄（52.75±11.41）岁。

选择7 个测量位置，包括心脏病学会（European Society of Cardiology，ESC）2014 指南中推荐的位置：头臂干动脉开口前（P1），左颈总动脉开口前（P2），左锁骨下动脉开口前（P3），左锁骨下动脉开口以远（P4），腹腔干水平（P5），最下肾动脉远端（P6）和髂动脉分叉前（P7）。邀请2名在血管图像后处理和诊断方面的高年资放射科医师（R1 和R2）进行直径测量、诊断分型及确定破裂口数量，所有直径都是基于多平面重组法测量的，这种方法被认为是最准确和可靠的，并且观察者之间的差异最小［7］，参考标准中直径测量是R1 和R2 的平均值，同时比较R1和R2 的直径测量、诊断结果及破裂口数量，以评估两者组间差异。

2. CT检查及图像分析

主动脉CTA 是使用多种CT 设备采集，包括Discovery CT 750HD、 LightSpeedVCT （GE Healthcare，美国威斯康星州Waukesha）。患者仰卧位，从胸腔入口到耻骨联合的水平进行CT 扫描，并用0.625 mm 或1.25 mm 重建。体重指数（BMI）＞30 kg/m2的患者管电压为120 kV，20～30 kg/m2的患者管电压为100 kV，＜20 kg/m2的患者管电压为80 kV，X射线管电流自动调整。数据传入工作站（GE Advantage Workstation 4.6），获得三维重组图像，包括多平面重组（multiple planar reformation，MPR）、曲面重建（curved planar reformation，CPR）、最大密度投影（maximum intensity projection，MIP）、容积再现技术（volume-rendered technique，VRT）等。医师在三维重建图像上进行各点位直径测量，给出诊断结果及分型、破裂口数量等，同时记录后处理分析、测量及诊断时间。

3. AI图像重建及分析

主动脉CTA 扫描获得的原始图像上传至主动脉AI 辅助分析软件（AortaDoc，数坤科技），主动脉AI的算法流程如下。①自动识别主动脉：通过3D U-net网络实现主动脉整体（EA）的分割。②通过IoU 追踪技术实现对真腔（TL）和假腔（FL）的识别。③自动生成中心线：体数据完成构建后，算法自动定位管腔的中心点，管腔向中心收缩，形成血管中心线。④判断夹层类型，并根据中心线走向找到升主动脉段、降主动脉段等，若假腔区域累及升主动脉段则诊断为A型夹层，若假腔区域仅累及降主动脉段则诊断为B 型夹层［3］。⑤自动测量：依据ESC 2014 指南推荐的主动脉位置，AI 算法可自动识别主要分支，按推荐位点对应层面进行自动测量整体EA、TL 和FL的直径，旋转内腔选择最大值及最小值。⑥自动诊断：根据2D、3D 图像上撕裂内膜范围，然后输出诊断、管腔直径、主要分支的累及情况，破裂口数量及诊断时间［8］。

4. 统计学分析

采用SAS9.4软件及Medcalc进行统计学分析。计量资料以均数±标准差（±s）表示，使用配对t检验（用于正态分布的变量）或Wilcoxon 秩检验（用于非正态分布的变量）进行比较，P＜0.05 具有统计学意义，比较AI 和参考标准之间的测量值和测量时间，线性相关图、Bland-Altman图用于显示参考标准与AI之间的差异；组内相关系数（ICC）评估参考标准观察者之间手动测量的可重复性（ICC＞0.8 为一致性较好）；诊断结果及破裂口数量的一致性采用kappa 检验（kappa≥0.75 为二者一致性较好，0.75＜kappa＜0.4为一致性一般，kappa＜0.4为一致性较差）。

结 果

1. AI测量和诊断的准确度评估

1.1 直径测量

线性相关图（图1A～C）结果显示，AI 在识别EA、TL、FL 时与参考标准之间的相关系数分别为0.912、0.901、0.873（均P＜0.001）。在Bland-Altman图（图1D～F）中，蓝色实线表示差值的平均值，红色虚线分别表示95%一致性界限的上限和下限，参考标准与AI 结果的对比，分别为整体0.1（-6.2～6.5）mm，真腔-0.1（-7.5～7.2）mm，假腔0.8（-10.6～12.2）mm。

1.2 诊断结果

根据主动脉夹层累及的范围，按Stanford 分型为A 型和B 型，AI 和参考标准之间诊断分型kappa=1，两者一致性较好（表1）。

表1 AI和参考标准诊断分型的一致程度

1.3 破裂口数量

在诊断破裂口数量中AI 和参考标准之间kappa=0.50，两者一致性一般（表2）。

表2 参考标准和AI破裂口数量的一致程度

1.4 时间对比

AI 与手动方式对图像处理及分析的时间比较：AI 在获取图像后自动分割、测量、诊断，此计算过程需要的时间为（19.34±1.44）min；医生手动处理图像及报告的时间为（67.97±7.26）min；AI 对图像重建及分析的时间少于医生手动（P＜0.001）。

2. 组间差异

参考标准R1和R2在直径测量中整体、真腔、假腔 的ICC 值 分 别 为0.986、0.996、0.998，P＜0.001（双向随机绝对一致性且单一度量模型），直径测量一致性较好，可重复性较好；R1 和R2 之间的诊断分型kappa=1，两者一致性较好；R1 和R2 之间破裂口数量判断kappa=0.827，两者一致性较好（表3～5）。

表3 R1和R2直径测量的差异

表4 R1和R2诊断结果的一致程度

表5 R1和R2破裂口数量的一致程度

讨 论

随着人们生活水平及健康意识的提高，加上中国人口老龄化现象越来越严重的现状，如今心血管疾病筛查面临巨大的增量市场。近年来，基于对疾病辅助诊疗和防治的信息化及便捷化的极大需求，研究者们逐渐将AI 的应用聚焦于医学领域［9-10］。AI 技术近几年来在医学方面发展迅速［11-12］。

目前AI 只是初步应用于心血管影像领域，过于依赖现有数据，缺乏创新思维和独立整合分析能力［13］。因此，单纯依赖AI 还是很难在心血管医学上取得全面突破。只有将AI与临床医生的思维相结合，才能有望提高其对心血管疾病预测的准确性和整体医疗水平，从而促进心血管医学更加精确的发展。

本研究参考标准中高年资医生间直径测量、诊断结果、破裂口数量均具有高度一致性。AI 与参考标准在EA、TL 和FL 直径测量的相关系数均大于0.85（P＜0.001），Bland-Altman 图显示AI 和参考标准之间的直径偏差对于EA、TL 和FL 分别为0.1（-6.2～6.5）mm、-0.1（-7.5～7.2）mm 和0.8（-10.6～12.2）mm，说明AI 与参考标准在AD 直径测量方面的一致性较好，EA、TL 和FL 均显示出较好的性能和精度，诊断结果一致性较好（kappa=1），AI 对图像重建和分析的时间明显少于高年资医生（P＜0.001）。自动化的主动脉分割方法已得到广泛研究，AI 可以评估模型的准确性和一致性，显示真正的主动脉形态［14］。因此，AI 有助于准确判断血管腔的大小，正确的诊断和精准的术前影像评估，可加快诊断评估的速率，有利于选择合适的支架以及其他治疗方式。此外，工作效率明显少于传统人工后处理时间，这不仅可以减轻医务工作人员的负担，而且也减少患者获取报告时间，缓解医疗资源紧张，从而降低医疗费用等，最终使广大患者获益。但在本研究中，AI 和参考标准间破裂口数量的一致性一般（kappa=0.50），在今后AI模型研究中仍需进一步加强对破裂口数量的识别。

本研究有几个局限性：首先，由于主动脉夹层的患病率较低，收集病例是单中心数据，样本含量较少，在以后的研究中应该扩大样本量并多中心研究，减少偏倚，将有助于进一步检测人工智能的性能。其次，本次研究对于假腔内血栓较大者未进行研究，在以后将进一步研究；最后，没有进行Stanford 分型检测，以后的研究中应该按照Stanford 分型，分别进行A和B型的诊断效能检测。

结论，AI 现如今能够很好地识别出主动脉夹层的真腔、假腔及内膜片，并分别测量EA，TL 和FL的直径，对于AD的CTA图像能够自动化处理并准确度较高，且此过程时间较短，在AD 的CTA 诊断方面，诊断效能较好，但AI 在判断破裂口数量方面一般，因此AI 可作为辅助诊断AD 的手段。AI 对于呼吸伪影较大、假腔内血栓较大、先天性变异等的诊断差异较大，若是能克服以上问题，AI可成为诊断AD更有效的手段。