胡小麗 向守洪 胡榮慧 周代全 陳俊源 薛雨 王政杰

1重慶醫(yī)科大學(xué)附屬第三醫(yī)院放射科 400000；2重慶醫(yī)科大學(xué)附屬第一醫(yī)院核醫(yī)學(xué)科 400000

心血管疾病嚴(yán)重威脅著全球人類(lèi)的健康，據(jù)報(bào)道，2017年全球范圍內(nèi)約1700萬(wàn)人病死于心血管疾病，而其中有3/4在發(fā)展中國(guó)家[1]。我國(guó)心血管疾病患者目前有2.9億，因此對(duì)于心血管疾病的早診斷和防治是刻不容緩的[2]。隨著影像技術(shù)的迅猛發(fā)展，冠狀動(dòng)脈CT血管造影（coronary computed tomography angiography，CCTA）已經(jīng)成為冠狀動(dòng)脈疾病危險(xiǎn)因素的臨床評(píng)估標(biāo)準(zhǔn)，并且已應(yīng)用于冠狀動(dòng)脈支架植入患者的隨訪中，以評(píng)估植入支架的通暢性及判斷是否有相關(guān)并發(fā)癥[3]。但是，CCTA對(duì)心血管疾病的診斷嚴(yán)重依賴于人工圖像后處理質(zhì)量以及診斷醫(yī)師的經(jīng)驗(yàn)，尤其我國(guó)的醫(yī)療資源嚴(yán)重緊缺，對(duì)所有心血管疾病患者均行CCTA臨床評(píng)估是難以實(shí)現(xiàn)的。

人工智能（artificial intelligence，AI）通俗來(lái)講就是模仿人類(lèi)思維，是具有“認(rèn)知”功能的機(jī)器，其通過(guò)“學(xué)習(xí)”來(lái)“解決問(wèn)題”。AI作為21世紀(jì)三大尖端技術(shù)之一，在眾多領(lǐng)域均獲得了廣泛的應(yīng)用，并取得了豐碩的成果。AI在醫(yī)療領(lǐng)域可用于計(jì)算患者給藥劑量、腫瘤藥物的選擇、高危患者的監(jiān)測(cè)，甚至手術(shù)的實(shí)施，且CT圖像報(bào)告解讀更是AI的優(yōu)勢(shì)所在[4]。將AI應(yīng)用于CCTA圖像后處理以及診斷報(bào)告的書(shū)寫(xiě)，勢(shì)必能夠緩解我國(guó)緊張的醫(yī)療資源，但是冠狀動(dòng)脈AI對(duì)于CCTA圖像處理、診斷報(bào)告的準(zhǔn)確性以及是否能夠代替臨床醫(yī)師，目前尚不明確。本研究從冠狀動(dòng)脈AI與人工后處理、診斷報(bào)告等方面分別進(jìn)行對(duì)比，以此評(píng)估冠狀動(dòng)脈AI在CCTA的應(yīng)用前景。

1 資料與方法

1.1 一般資料

選取重慶醫(yī)科大學(xué)附屬第三醫(yī)院自2019年4月至7月就診的疑似冠心病患者64例，其中男性40例、女性24例，年齡（62.16±14.13）歲。納入標(biāo)準(zhǔn)：心率正常或者輕度心率不齊的疑似冠心病患者。排除標(biāo)準(zhǔn)：嚴(yán)重心律不齊且伴心率＞200次/min；對(duì)于碘劑過(guò)敏；不能配合完成檢查。

1.2 檢查方法及AI的應(yīng)用

所有患者均使用美國(guó)GE公司的revolution CT行圖像采集，選用非離子型造影劑（320 mg I/mL，江蘇恒瑞醫(yī)藥股份有限公司）50 mL，生理鹽水20 mL，流速5 mL/s；對(duì)比劑示蹤法選擇主動(dòng)脈根部ROI監(jiān)測(cè)CT值（觸發(fā)掃描CT值設(shè)為150 HU），延遲4 s，采用回顧性心電門(mén)控法進(jìn)行掃描。掃描參數(shù)：管電壓120 kV，管電流20 mAs，層厚0.625 mm，總掃描時(shí)間0.3 s。隨后使用冠狀動(dòng)脈AI（數(shù)坤科技的冠心病智能輔助診斷系統(tǒng)，其主要功能是全自動(dòng)完成冠狀動(dòng)脈影像圖像后處理、AI輔助冠狀動(dòng)脈診斷結(jié)果和膠片智能打印，并輸出結(jié)構(gòu)化報(bào)告）進(jìn)行圖像后處理及影像診斷，分別從容積再現(xiàn)、曲面重建及AI診斷報(bào)告進(jìn)行分析。CT增強(qiáng)檢測(cè)患者均簽署了知情同意書(shū)。

1.3 圖像分析

掃描完成后，按照李克特量表（Likert scale）評(píng)分標(biāo)準(zhǔn)，將原始圖像質(zhì)量由低到高進(jìn)行評(píng)分（1～5分）。1分：差，圖像質(zhì)量過(guò)度受損，血管壁不能辨認(rèn)；2分：較差，圖像質(zhì)量低，血管邊界不清晰或偽影過(guò)大，對(duì)比度分辨率低；3分：中，存在一定圖像偽影，但對(duì)比度分辨率較高，血管邊界較清晰；4分：良，血管邊界和血管壁清晰，圖像偽影很小，對(duì)比度分辨率高；5分：優(yōu)，管壁顯示清晰，分辨率好，沒(méi)有偽影。對(duì)冠狀動(dòng)脈圖像分別進(jìn)行人工和AI圖像后處理，參照美國(guó)心臟病協(xié)會(huì)（SCCT）冠狀動(dòng)脈分段法將冠狀動(dòng)脈分為18段[5]，判斷冠狀動(dòng)脈三大支：左前降支、回旋支和右冠狀動(dòng)脈狹窄部位及斑塊性質(zhì)。分別由兩位醫(yī)師（住院醫(yī)師和副主任醫(yī)師）進(jìn)行圖像人工后處理及診斷報(bào)告，最終結(jié)果由兩位副主任醫(yī)師進(jìn)行審核。

2 結(jié)果

2.1 冠狀動(dòng)脈AI與人工的圖像后處理比較

在64例患者中，5例患者AI冠狀動(dòng)脈重建失敗，余59例患者重建圖像合格，其中男性36例、女性 23 例，年齡（62.75±14.32）歲。

冠狀動(dòng)脈AI圖像后處理耗時(shí)約3 min，而人工圖像后處理時(shí)間約為20～30 min，AI后處理耗時(shí)約為人工耗時(shí)的10%，并且冠狀動(dòng)脈AI后處理的合格率為92.2%（59/64）。如圖1所示，冠狀動(dòng)脈AI圖像后處理能夠?qū)Ω髦а苓M(jìn)行自動(dòng)命名。AI后處理（圖 1中 D～F）與人工后處理（圖 1中A～C）相比，冠狀動(dòng)脈圖像分支更多、更長(zhǎng)、管壁更光滑、細(xì)節(jié)小分支顯示更全面；在冠狀動(dòng)脈拉直圖像中，發(fā)現(xiàn)冠狀動(dòng)脈AI處理的圖像（圖1中H）較人工處理圖像（圖1中G）的血管更加清晰，并且能夠自動(dòng)識(shí)別冠狀動(dòng)脈狹窄。此外，本研究還發(fā)現(xiàn)冠狀動(dòng)脈AI也能夠自動(dòng)識(shí)別植入的冠狀動(dòng)脈支架，這都暗示著冠狀動(dòng)脈AI在圖像后處理中的應(yīng)用價(jià)值。

雖然冠狀動(dòng)脈AI在圖像后處理上表現(xiàn)優(yōu)異，但本研究同時(shí)發(fā)現(xiàn)，冠狀動(dòng)脈AI圖像后處理有不足之處。如表1所示，冠狀動(dòng)脈AI圖像后處理的合格率為92.2%（59/64），原始圖像質(zhì)量為1分及2分的病例共有5例，AI后處理全部為不合格；而圖像質(zhì)量達(dá)到3分時(shí)，AI圖像后處理合格率達(dá)到100%。AI后處理圖像（圖2中B）與人工后處理圖像（圖2中A）相比，AI分割遺漏導(dǎo)致右冠狀動(dòng)脈血管截?cái)?、命名錯(cuò)誤，無(wú)法全面顯示血管，其后處理失敗的原因之一為鈣化斑塊周?chē)鷤斡皩?dǎo)致管腔被掩蓋（圖2中C），而人工后處理可以通過(guò)工作站手動(dòng)添加使截?cái)嘌堋霸偕?。這也就體現(xiàn)出冠狀動(dòng)脈AI圖像后處理嚴(yán)重依賴原始圖像質(zhì)量的弊端。

圖1 CT增強(qiáng)掃描后冠狀動(dòng)脈AI與人工處理圖像的對(duì)比 圖中，A～C：人工后處理的容積再現(xiàn)圖；D～F：AI后處理的容積再現(xiàn)圖；G：人工后處理的曲面重建圖；H：AI后處理的曲面重建圖。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能；LAD：左前降支；RCA：右冠狀動(dòng)脈；LCX：回旋支Fig. 1 The comparison between artificial intelligence post-processing image and artificial post-processing image of coronary artery after CT enhanced scan

2.2 冠狀動(dòng)脈AI與人工的診斷報(bào)告比較

冠狀動(dòng)脈AI圖像的診斷報(bào)告在圖像重建后即可完成（＜1 min），而人工出具一份冠狀動(dòng)脈的診斷報(bào)告通常需要耗時(shí)15 min左右。與AI后處理一樣，AI在報(bào)告的診斷上同樣高效。如表2所示，冠狀動(dòng)脈AI斑塊檢出的靈敏度達(dá)93.3%，與人工報(bào)告的靈敏度（92.0%）相當(dāng)。本研究中，人工報(bào)告對(duì)斑塊的檢出不存在假陽(yáng)性結(jié)果，其特異度達(dá)100%，而冠狀動(dòng)脈AI對(duì)其檢測(cè)的特異度為93.8%（表3）。3支分支血管中，冠狀動(dòng)脈AI對(duì)左前降支病變的特異度最低（88.0%）。

本研究結(jié)果發(fā)現(xiàn)，合格的后處理圖像并不代表正確的AI診斷報(bào)告，如圖3中A、B所示，雖然冠狀動(dòng)脈AI將心肌橋成功處理，但是診斷報(bào)告并未提及。從圖3中C、D發(fā)現(xiàn)，冠狀動(dòng)脈AI將分布在左前降支較細(xì)管腔內(nèi)的造影劑誤報(bào)為鈣化斑塊，其他的還有管壁毛糙造成的非鈣化斑塊的誤報(bào)。

表1 64例患者CT增強(qiáng)掃描后冠狀動(dòng)脈的原始圖像質(zhì)量評(píng)分及人工智能后處理的合格率Table 1 The original image quality score of 64 patients and the corresponding qualified rate of coronary artificial intelligence post-processing after CT enhanced scan

圖2 CT增強(qiáng)掃描后冠狀動(dòng)脈AI處理的不合格圖像與人工處理的合格圖像的對(duì)比圖中，A：人工后處理容積再現(xiàn)圖；B：AI后處理容積再現(xiàn)圖；C：AI冠狀動(dòng)脈追蹤錯(cuò)誤的原始圖像，AI分割遺漏導(dǎo)致右冠狀動(dòng)脈血管截?cái)?、命名錯(cuò)誤。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能；RCA：右冠狀動(dòng)脈；LAD：左前降支；LCX：回旋支Fig. 2 Comparison between the artificial intelligence unqualified post-processing image and the artificial qualified post-processing images of coronary artery after CT enhanced scan

表2 人工智能與人工對(duì)冠狀動(dòng)脈斑塊檢出的靈敏度Table 2 Sensitivity of artificial intelligence and the artificial to detection of coronary plaque

表3 人工智能對(duì)冠狀動(dòng)脈斑塊檢出的特異度Table 3 Specificity of artificial intelligence for detection of coronary plaque

3 討論

通過(guò)對(duì)64例疑似冠心病患者的CCTA的研究發(fā)現(xiàn)：（1）冠狀動(dòng)脈AI圖像后處理的工作效率是人工的10倍左右，AI后處理的冠狀動(dòng)脈分支更多、更長(zhǎng)、管壁更光滑，并且能夠識(shí)別冠狀動(dòng)脈狹窄及冠狀動(dòng)脈支架，后處理合格率為92.2%。（2）在診斷報(bào)告書(shū)寫(xiě)方面，冠狀動(dòng)脈AI的工作效率是人工書(shū)寫(xiě)報(bào)告的15倍左右，冠狀動(dòng)脈AI對(duì)斑塊檢出的靈敏度為93.3%、特異度為93.8%。

圖3 CT增強(qiáng)掃描后冠狀動(dòng)脈心肌橋與鈣化斑塊的AI和人工后處理的圖像對(duì)比 圖中，A、B：冠心病患者（男性，37歲）冠狀動(dòng)脈的人工和AI后處理的左前降支心肌橋；C、D：冠心病患者（男性，56歲）冠狀動(dòng)脈的人工和AI后處理的左前降支曲面重建圖像；左前降支管壁未見(jiàn)明顯鈣化斑塊（C）；冠狀動(dòng)脈AI提示左前降支管壁鈣化斑塊伴管腔輕度狹窄（D）。CT：計(jì)算機(jī)體層攝影術(shù)；AI：人工智能Fig. 3 Comparison of artificial intelligence and artificial post-processing images of myocardial bridge and calcified plaque of coronary artery after enhanced CT scanning

AI技術(shù)的迅猛發(fā)展，使其在醫(yī)療領(lǐng)域的運(yùn)用已被開(kāi)發(fā)，并得以應(yīng)用，如疾病的診斷、治療方案的制定、個(gè)性化醫(yī)療服務(wù)以及重癥患者的監(jiān)測(cè)和護(hù)理等。在國(guó)外梅奧診所、麻省總醫(yī)院等醫(yī)療機(jī)構(gòu)都研發(fā)了各自的AI算法并應(yīng)用于臨床[6]。在影像學(xué)方面，斯坦福大學(xué)研究并創(chuàng)造了一種新的算法，其檢測(cè)特定部位肺炎的表現(xiàn)優(yōu)于經(jīng)驗(yàn)豐富的臨床醫(yī)師[7]。本研究結(jié)果發(fā)現(xiàn)，冠狀動(dòng)脈AI的影像診斷報(bào)告已經(jīng)達(dá)到與人工報(bào)告相當(dāng)?shù)撵`敏度，并且能夠發(fā)現(xiàn)人工報(bào)告中遺漏的微小鈣化斑塊。鑒于AI在放射學(xué)領(lǐng)域的出色表現(xiàn)，一些專家認(rèn)為AI的出現(xiàn)是一種威脅[8]，因?yàn)榕c專家相比，AI基于統(tǒng)計(jì)學(xué)習(xí)指標(biāo)的改進(jìn)，隨著深度地學(xué)習(xí)罕見(jiàn)病例，其對(duì)個(gè)案的分析更具優(yōu)勢(shì)[9-10]。

與國(guó)內(nèi)外研究結(jié)果相比，本研究的冠狀動(dòng)脈AI對(duì)斑塊檢出的靈敏度為93.3%、特異度為93.8%，顯著高于黃增發(fā)和王翔[11]的研究結(jié)果（靈敏度為54.35%、特異度為81.73%），其原因可能是我們的冠狀動(dòng)脈AI深入學(xué)習(xí)的熟練度更高、技術(shù)更加完善。雖然既往研究報(bào)道，通過(guò)深度學(xué)習(xí)的冠狀動(dòng)脈AI計(jì)算出的鈣化積分廣泛得到專家的認(rèn)可[12-13]，但是本研究冠狀動(dòng)脈AI對(duì)斑塊的檢出仍存在遺漏（主要是部分不明顯小鈣化斑塊的遺漏）。

本研究發(fā)現(xiàn)冠狀動(dòng)脈AI存在諸多不足之處：（1）圖像重建方面。在納入的64例患者中，有5例的冠狀動(dòng)脈AI由于其偽影、分割遺漏導(dǎo)致血管截?cái)嗪兔e(cuò)誤，我們認(rèn)為造成這種結(jié)果的原因是原始圖像質(zhì)量較差（5 例患者 Likert評(píng)分為 1～2 分），因此冠狀動(dòng)脈AI的圖像重建較人工圖像處理更加依賴高質(zhì)量的原始圖像，較人工后處理應(yīng)變能力差。（2）診斷報(bào)告方面。冠狀動(dòng)脈AI較人工報(bào)告更容易誤報(bào)軟斑及鈣化斑塊，這是造成其特異度低的主要原因：①當(dāng)圖像出現(xiàn)偽影時(shí)，AI將其誤報(bào)非鈣化斑塊；②當(dāng)造影劑在較細(xì)管腔內(nèi)分布不均時(shí)，AI將造影劑誤認(rèn)為鈣化斑塊。因此，冠狀動(dòng)脈AI正確的后處理圖像，并不一定是正確的診斷報(bào)告。同時(shí)，本研究也有一些不足之處：（1）本研究是一個(gè)單中心的研究，病例集中為重慶及其周邊地區(qū)的患者，而冠狀動(dòng)脈AI的深度學(xué)習(xí)是建立在多中心的基礎(chǔ)上，因此其診斷效能受到影響；（2）受限于冠狀動(dòng)脈AI在我院應(yīng)用時(shí)間較短，病例總數(shù)偏少，后期隨著冠狀動(dòng)脈AI在多中心的不斷深入學(xué)習(xí)，我們一定能夠得到更加完善的數(shù)據(jù)。

綜上所述，雖然AI在CCTA乃至整個(gè)影像方面取得了令人震驚的成果，其整體水平表現(xiàn)優(yōu)異，尤其是在SPECT心肌核素顯現(xiàn)中的應(yīng)用[14-15]，但是AI在影像中的應(yīng)用同樣也有其弊端，美國(guó)食品藥物管理局仍將AI應(yīng)用于輔助診斷歸為2類(lèi)（中危）設(shè)備，而將AI應(yīng)用于診斷報(bào)告歸為3類(lèi)（高危）設(shè)備[16]。因此，一份合格的影像報(bào)告不能僅僅依靠AI后處理及診斷，從根本上需要依賴于影像醫(yī)師的把控。我們認(rèn)為AI技術(shù)并非我們影像醫(yī)師的終結(jié)者，而是我們?cè)\斷疾病的一個(gè)有效的利器。

利益沖突本研究由署名作者按以下貢獻(xiàn)聲明獨(dú)立開(kāi)展，不涉及任何利益沖突。

作者貢獻(xiàn)聲明胡小麗負(fù)責(zé)數(shù)據(jù)的收集與分析、論文的撰寫(xiě)；向守洪、胡榮慧負(fù)責(zé)診斷報(bào)告的書(shū)寫(xiě)；周代全、陳俊源負(fù)責(zé)圖像的采集及后處理；薛雨負(fù)責(zé)數(shù)據(jù)的統(tǒng)計(jì)；王政杰負(fù)責(zé)提供論文思路與修訂。