施麗萍 張亞平 唐倩韻 解學(xué)乾

患者因胸前區(qū)疼痛、胸悶等不適癥狀就診[1]，冠脈CT 血管成像（CTA）檢查可診斷是否患冠心病[2]。冠脈CTA 檢查具有診斷準(zhǔn)確率高、安全性好、價格低廉等優(yōu)點[3]。冠脈CTA 檢查后需要進行人工圖像重建，圖像處理流程繁瑣復(fù)雜，每個病例需要大量的操作，診斷及報告獲取時間往往比普通CT檢查更長。隨著冠脈CTA 檢查在冠心病篩查中越來越多地應(yīng)用，患者數(shù)量的增加導(dǎo)致工作量增大，加之圖像觀察的主觀因素影響較大，可能會降低診斷的準(zhǔn)確性和可重復(fù)性[4-5]。因此，迫切需要新的技術(shù)來促進冠脈CTA 檢查的臨床應(yīng)用。人工智能（AI）是以計算機科學(xué)為基礎(chǔ)的一門新的技術(shù)科學(xué)[6-7]。隨著AI 技術(shù)的不斷發(fā)展，能夠?qū)诿}的圖像進行智能處理，實現(xiàn)自動化的冠脈CTA 圖像重建和輔助診斷[8]。目前，筆者應(yīng)用了一套新的AI 系統(tǒng)，可以自動分割冠狀動脈圖像，提取中心線并生成滿足多種后處理要求的冠脈CTA 圖像，并且可以實現(xiàn)狹窄位置的自動檢測和測量，最終生成結(jié)構(gòu)化或自由文本報告。本研究通過比較AI 冠脈CTA 重建和傳統(tǒng)流程的工作效率，來探討AI 系統(tǒng)對臨床工作效率的促進?，F(xiàn)報道如下。

1 資料與方法

1.1 一般資料 收集上海交通大學(xué)醫(yī)學(xué)院附屬第一人民醫(yī)院北院（虹口區(qū)）（醫(yī)院1）和南院（松江區(qū)）（醫(yī)院2）2017-2019 年的冠脈CTA 檢查工作量和工作效率數(shù)據(jù)。納入標(biāo)準(zhǔn)：（1）有明確冠脈CTA指征；（2）于2017 年1 月-2019 年12 月做了冠脈CTA 檢查。排除標(biāo)準(zhǔn)：（1）碘對比劑過敏；（2）有心臟或呼吸運動偽影，圖像質(zhì)量不佳。這2 家醫(yī)院2017 年和2018 年使用傳統(tǒng)工作站進行冠脈CTA 重建，2019 年使用AI 技術(shù)進行冠脈CTA 重建。

1.2 方法 冠脈CTA 的圖像重建。每個冠脈CTA病例會得到約300 張橫截面圖像，需要對這些圖像進行三維重建，才能形成完整的冠狀動脈立體結(jié)構(gòu)。根據(jù)國際心血管CT 學(xué)會指南應(yīng)用多種后處理方法多角度全面觀察冠狀動脈的血管腔、管壁和粥樣斑塊情況[9]。（1）傳統(tǒng)冠脈CTA 的后處理技術(shù)。2017 年和2018 年，按照傳統(tǒng)圖像重建方法，醫(yī)生完成的步驟如下：①根據(jù)國際心血管CT 學(xué)會指南重建冠脈CTA 圖像，生成每個冠脈分支血管的容積渲染、最大密度投影、多平面重建和曲面重建圖像；②標(biāo)記冠脈主要分支；③測量冠脈主要分支及狹窄；④傳輸?shù)綀D像存儲和傳輸系統(tǒng)；⑤最后進入診斷環(huán)節(jié)，閱讀圖像信息并書寫報告。（2）冠脈CTA 人工智能輔助診斷系統(tǒng)。2019 年應(yīng)用AI 軟件（CoronaryDoc，數(shù)坤科技），操作步驟如下：①導(dǎo)入患者圖像資料，軟件自動重建出圖像，自動標(biāo)記血管名稱；②點擊繼續(xù)診斷，軟件自動計算有無斑塊，判別斑塊性質(zhì)、血管有無狹窄及狹窄程度分級；③醫(yī)生判斷AI 處理后的圖像質(zhì)量是否合格；④醫(yī)生根據(jù)AI 的評估書寫報告。

1.3 觀察指標(biāo)（1）總工作量，即每年冠脈CTA檢查的患者例數(shù)；（2）人均月工作量，即每人每月完成的檢查情況；（3）檢查等候時間，即預(yù)約與冠脈CTA 檢查之間患者的等待時間；（4）報告出具等候時間，即從獲取圖像到完成診斷報告的時間。

1.4 統(tǒng)計學(xué)處理 應(yīng)用SPSS 20.0 軟件對所得數(shù)據(jù)進行統(tǒng)計分析，計數(shù)資料用率（%）表示；計量資料用（）表示，比較應(yīng)用t 檢驗。以P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 應(yīng)用AI 前后的總工作量 在應(yīng)用AI 的2019 年，這2 家醫(yī)院共做了15 032 例冠脈CTA 檢查，較2017 年的11 694 例增加28.5%，較2018 年的12 591 例增加19.4%；在未應(yīng)用AI 重建時，2018 年比2017 年增長7.7%。見表1。

表1 應(yīng)用AI前后的總工作量（例）

2.2 應(yīng)用AI 前后的人均月工作量比較 在2017-2019 年，醫(yī)院1 工作人員3 名，醫(yī)院2 工作人員2 名從事冠脈CTA 重建。按每例患者一份冠脈CTA資料計算。應(yīng)用AI 的2019 年，2 家醫(yī)院總體的冠脈CTA 檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應(yīng)用AI 時，2 家醫(yī)院2017 年和2018 年總體的人均月工作量比較，差異無統(tǒng)計學(xué)意義（P=0.233）。2019 年，醫(yī)院1 的冠脈CTA 檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應(yīng)用AI 時，醫(yī)院1 在2017 年和2018 年的人均月工作量比較，差異無統(tǒng)計學(xué)意義（P=0.329）。2019 年，醫(yī)院2 的冠脈CTA檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應(yīng)用AI 時，醫(yī)院2 在2017 年和2018 年的人均月工作量比較，差異無統(tǒng)計學(xué)意義（P=0.106）。見表2。

表2 應(yīng)用AI前后的人均月工作量比較[份/月，（）]

表2 應(yīng)用AI前后的人均月工作量比較[份/月，（）]

*與2019 年比較，P＜0.001。

2.3 應(yīng)用AI 前后的檢查等候時間比較 應(yīng)用AI 的2019 年，2 家醫(yī)院總體的冠脈CTA 檢查等候時間顯著短于2017 年和2018 年（P＜0.001）。在未應(yīng)用AI時，2 家醫(yī)院2017 年和2018 年總體的檢查等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.567）。2019 年，醫(yī)院1 的檢查等候時間顯著短于2017 年和2018 年（P＜0.001）；醫(yī)院1 在2017 年和2018 年的檢查等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.301）。2019年，醫(yī)院2 的檢查等候時間顯著短于2017 年和2018 年（P＜0.001）；醫(yī)院2 在2017 年和2018 年的檢查等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.458）。見表3。

表3 應(yīng)用AI前后的檢查等候時間比較[h，（）]

*與2019 年比較，P＜0.001。

2.4 應(yīng)用AI 前后的報告出具等候時間比較 應(yīng)用AI 的2019 年，2 家醫(yī)院總體的報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；在未使用AI 時，2 家醫(yī)院2017 年和2018 年總體的報告出具等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.377）。在2019 年，醫(yī)院1 患者報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；醫(yī)院1 在2017 年和2018 年患者報告出具等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.301）。在2019 年，醫(yī)院2 患者報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；醫(yī)院1 在2017 年和2018 年患者報告出具等候時間比較，差異無統(tǒng)計學(xué)意義（P=0.458）。見表4。

表4 應(yīng)用AI前后的報告出具等候時間比較[h，（）]

表4 應(yīng)用AI前后的報告出具等候時間比較[h，（）]

*與2019 年比較，P＜0.001。

3 討論

冠脈CTA 人工智能輔助診斷系統(tǒng)通過計算機的數(shù)據(jù)運算，即時顯示每根冠脈血管的曲面圖像，對冠脈節(jié)段進行名稱標(biāo)注，進行斑塊診斷和測量，幫助醫(yī)生盡快發(fā)現(xiàn)冠脈管腔狹窄，大幅提升冠脈CTA檢查的診斷效率和精確度[8-10]。冠脈CTA 人工智能系統(tǒng)的標(biāo)準(zhǔn)化使放射科醫(yī)生能夠在短時間內(nèi)掌握冠脈CTA 的圖像處理，使診斷效能得到了極大提升，更有利于在基層醫(yī)院推廣冠脈CTA 的臨床應(yīng)用[11-13]。

在新的AI 輔助工作模式下，重建醫(yī)師可以從繁忙的重建工作中解脫出來，同時，診斷醫(yī)師可以不再依賴重建醫(yī)師生成的有限數(shù)量的圖像，就能全面觀察AI 軟件重建的三維圖像[14-16]。從而提高重建速度和診斷效率，使患者可以更快地拿到更精準(zhǔn)的診斷結(jié)果。

冠脈CTA 在冠心病的無創(chuàng)評估中起著關(guān)鍵作用。其優(yōu)勢在于其高達95%～99%的陰性預(yù)測值，能有效排除梗阻性冠心病[17-19]。冠脈CTA 還可以觀察狹窄程度并定量評估動脈硬化斑塊特征，包括低密度斑塊、正性塑形作用、點狀鈣化和餐巾環(huán)征等易損斑塊標(biāo)志特征，但此類評估和測量需要有經(jīng)驗的觀察者進行復(fù)雜的后處理。因此，機器學(xué)習(xí)和深度學(xué)習(xí)被用于優(yōu)化從冠脈CTA 中提取信息，特別是開發(fā)能夠以自動化、準(zhǔn)確和客觀的方式執(zhí)行斑塊分析的算法。Kang 等[3]利用一種結(jié)構(gòu)化學(xué)習(xí)算法對42 例使用冠脈CTA 的患者數(shù)據(jù)集進行了對梗阻性和非梗阻性CAD 的自動檢測，準(zhǔn)確率達到94%（以三位專家的視覺識別為參考標(biāo)準(zhǔn)），曲線下面積（AUC）為0.94。

關(guān)于AI 輔助系統(tǒng)診斷準(zhǔn)確性已經(jīng)有多項研究發(fā)表證實，冠脈AI 在狹窄程度判讀方面可以達到三甲醫(yī)院心血管診斷醫(yī)生的水平[20]。臨床的每一個方案都需要精準(zhǔn)高效的影像診斷作為有力的技術(shù)依據(jù)。該系統(tǒng)投入臨床應(yīng)用，實現(xiàn)了從智能重建、智能診斷的一體化，提高了診斷的效率和精確度。AI與醫(yī)生協(xié)同的讀片效率顯著優(yōu)于單純的人力判讀，繼而也有潛力縮短患者的預(yù)約檢查時間，提升冠脈CTA 檢查的普及性。

總之，冠脈CTA 人工智能系統(tǒng)使放射科醫(yī)生能夠提升工作效率，縮短患者預(yù)約和等待報告的時間，有利于推廣冠脈CTA 的臨床應(yīng)用。