張曉浩， 劉軍波， 范麗娟

隨著影像技術(shù)的不斷發(fā)展，冠狀動脈CT血管成像(coronary computed tomography angiography，CCTA)已成為臨床排除疑似冠心病(coronary artery disease，CAD)的首選無創(chuàng)性檢查方法，在臨床逐步被廣泛應(yīng)用[1]。然而，CCTA的技術(shù)原理復(fù)雜且圖像數(shù)據(jù)龐大，影像醫(yī)師在后處理工作站用于重建和判讀圖像的時間呈幾何倍數(shù)增長[2-3]，使得影像科醫(yī)師在日常工作中常常處于疲憊和精力下降的狀態(tài)，不但降低了工作效率，也增加了漏診風(fēng)險。因此，尋找能夠緩解工作壓力并能協(xié)助影像醫(yī)師高效、準(zhǔn)確完成影像診斷工作的方法顯得尤為必要。近年來，AI技術(shù)逐步應(yīng)用于醫(yī)療行業(yè)，借助大數(shù)據(jù)平臺以及深度學(xué)習(xí)、計(jì)算機(jī)視覺等關(guān)鍵技術(shù)的突破，為患者帶來更為精準(zhǔn)、快速的診療服務(wù)[4-6]。其中，以冠脈AI系統(tǒng)的研發(fā)為代表的AI技術(shù)在心血管影像領(lǐng)域得到了快速發(fā)展，強(qiáng)大的AI輔助診斷功能為緩解影像醫(yī)師工作強(qiáng)度和提高工作效率發(fā)揮了積極作用[7-9]。目前，AI技術(shù)的應(yīng)用越來越廣泛，但將AI技術(shù)應(yīng)用于CCTA后處理過程中的相關(guān)研究還相對較少。本研究通過與人工后處理各度量指標(biāo)進(jìn)行比較，旨在評價人工智能技術(shù)應(yīng)用于CCTA后處理過程中的可行性。

材料與方法

1.一般資料

回顧性選取本院2020年4-6月接受冠脈CTA檢查的121例患者，排除因冠脈異位開口、搭橋術(shù)后以及圖像質(zhì)量較差而無法滿足診斷要求的14例患者，最終將符合要求的107例患者納入本研究。其中，男52例，女55例；年齡24～86歲，平均(57.3±11.3)歲；心率46～101次/分，平均(70.2±10.5)次/分。所有患者簽署了知情同意書。

2.檢查方法

使用GE Revolution 256 CT機(jī)行CCTA掃描。無硝酸甘油禁忌證者在掃描前3 min舌下含服硝酸甘油0.5～1.0 mg，囑咐患者去除胸前金屬異物，做好性腺防護(hù)并進(jìn)行吸氣屏氣訓(xùn)練。取仰臥位，雙手舉過頭頂，掃描范圍自氣管分叉下方1 cm至心臟膈面水平，于深吸氣末屏氣狀態(tài)下進(jìn)行掃描。掃描參數(shù)：自動毫安技術(shù)，參考電流量200～500 mA，智能管電壓輔助技術(shù)，探測器寬度140或160 mm，層厚0.625 mm，轉(zhuǎn)速0.28 s/r，圖像噪聲指數(shù)22，50%自適應(yīng)統(tǒng)計(jì)迭代重建[10]。于患者右側(cè)肘中靜脈埋置20G套管針，采用雙筒高壓注射器。對比劑采用碘佛醇(350 mg I/mL)，用量60～70 mL，注射流率5.0～6.0 mL/s，隨后以相同流率注射生理鹽水30 mL。采用對比劑智能追蹤觸發(fā)技術(shù)，監(jiān)測點(diǎn)位于升主動脈管腔內(nèi)，觸發(fā)閾值為60 HU，達(dá)閾值后延遲7 s觸發(fā)掃描。為保證冠脈圖像質(zhì)量，所有圖像均采用冠脈運(yùn)動凍結(jié)技術(shù)(snap shot freez，SSF)進(jìn)行重建，獲取冠脈成像的最佳期相[11]。

3.圖像后處理方法

將采用SSF重建的冠脈最佳期相圖像數(shù)據(jù)分別傳輸至GE AW4.6工作站和數(shù)坤Coronary Doc冠脈輔助診斷軟件。前者主要由影像科醫(yī)師(人工組)來完成圖像后處理工作，包括采用容積再現(xiàn)(VR)、最大密度投影(MIP)、多平面重組(MPR)及曲面重組(CPR)等方法進(jìn)行圖像重建，測量和評估冠脈血管狹窄程度并出具診斷報(bào)告；后者則由AI軟件(AI組)基于深度學(xué)習(xí)及圖像識別等技術(shù)，對數(shù)據(jù)采用征象認(rèn)知、標(biāo)示、分割和量化等方法，自動重建VR及CPR圖像、標(biāo)示血管名稱、判斷血管狹窄程度、定性和定量分析斑塊特征并出示診斷報(bào)告。

4.評價指標(biāo)

工作效率評價：記錄人工和AI軟件重建VR圖像及分析冠脈血管狹窄程度所用時間。在單位時間和人員條件下采用平均時間增益率來反映AI軟件對工作效率的提升，平均時間增益率=兩組重建時間均值的差值/兩組重建時間均值中的高值×100%[12]。

VR圖像質(zhì)量評價：VR圖像質(zhì)量的評估由兩位資深影像科醫(yī)師采用單盲法來完成，意見有分歧時重新評價，通過協(xié)商取得統(tǒng)一意見。將VR圖像質(zhì)量分為優(yōu)、良、差三個級別。優(yōu)：心臟三維解剖結(jié)構(gòu)顯示清晰，無雜質(zhì)和靜脈污染，冠脈各主支血管及分支連續(xù)走行、無遮擋；良：除不合格圖像之外，有一項(xiàng)不滿足于優(yōu)質(zhì)圖像者；差：冠脈血管有缺如或誤添加多余血管，視為不合格圖像。記錄各種不良因素導(dǎo)致缺陷圖像的例數(shù)，比較兩組圖像之間的缺陷率。

參照心血管計(jì)算機(jī)斷層掃描協(xié)會(SCCT)指南中提出的冠脈血管18分段法[13]，統(tǒng)計(jì)兩組VR圖像上冠脈血管顯示的分段數(shù)，并觀察AI標(biāo)示冠脈血管的準(zhǔn)確性。

血管狹窄程度評價：測量右冠狀動脈(right coronary artery,RCA)、左前降支(left anterior descending coronary artery,LAD)和左回旋支(the left circumflex,LCX)近、中段血管最狹窄處的狹窄程度，以人工診斷結(jié)果為“金標(biāo)準(zhǔn)”，評價AI診斷冠脈血管狹窄程度的準(zhǔn)確性。將冠脈狹窄程度分為6級：0級為無明顯狹窄；1級為輕微狹窄，狹窄率為1%～24%；2級為輕度狹窄，狹窄率為25%～49%；3級為中度狹窄，狹窄率為50%～69%；4級為重度狹窄，狹窄率為70%～99%；5級為血管閉塞，即血管狹窄率為100%[14]。

5.統(tǒng)計(jì)學(xué)分析

使用SPSS 21.0軟件對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。對于符合正態(tài)分布的后處理時間以均數(shù)±標(biāo)準(zhǔn)差表示。采用率和頻數(shù)描述定性和等級資料，并采用非參數(shù)χ2檢驗(yàn)。兩位醫(yī)師對圖像質(zhì)量主觀評分的一致性采用Cohen Kappa檢驗(yàn)，Kappa值>0.81為一致性優(yōu)，0.61～0.80為良好，0.41～0.60為中等，0.21～0.40為一般，<0.20為一致性差。采用雙側(cè)檢驗(yàn)，α=0.05。

結(jié) 果

AI組和人工組中完成1例患者CCTA圖像后處理的平均時間分別為(333.64±19.32)和(642.62±90.90)s，AI組節(jié)省約309s，平均時間增益率為48.13%，表明AI軟件的工作效率更高。

人工組和AI組圖像質(zhì)量評級和圖像質(zhì)量缺陷因素的比較結(jié)果見表1。

表1 兩組VR圖像質(zhì)量的主觀評價結(jié)果 /例

兩組VR圖像均可直觀地顯示冠脈血管走行及解剖病變(圖1～2)，其中，AI組圖像質(zhì)量優(yōu)良率和不合格率分別為97.20%(104/107)和2.80%(3/107)，人工組分別為99.07%(106/107)和0，兩組VR圖像質(zhì)量評級間的差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。兩組VR圖像質(zhì)量主觀評級的一致性較好(Kappa值=0.86)。

圖1 AI軟件后處理得到的VR圖像。 a)圖像質(zhì)量優(yōu)，心臟三維解剖結(jié)構(gòu)顯示清晰，心臟表面無雜質(zhì)及靜脈污染，冠脈各分支血管走行連續(xù)、無遮擋，軟件標(biāo)示的各分支血管名稱準(zhǔn)確；b)圖像質(zhì)量良，左心室心耳處有雜質(zhì)存留(箭)；c)圖像質(zhì)量差，LAD中遠(yuǎn)段血管缺如(紅箭)，AI軟件未能追蹤到，導(dǎo)致對LAD的標(biāo)示錯誤(黑箭)，實(shí)際應(yīng)為第二對角支。 圖2 LAD心肌橋患者的AI重建圖像。a)VR圖像示LAD中段血管被心肌所覆蓋(箭)；b)CPR圖像示LAD中段血管走行于淺層心肌纖維下(箭)；c)CPR血管管腔(lumen)拉直圖像，示LAD中段血管走行于淺層心肌纖維下(箭)。 圖3 LAD血管狹窄患者的CPR圖像。a)人工法重建圖像，診斷為LAD近段管壁非鈣化斑塊形成、局部血管重度狹窄(箭)；b)人工法血管拉直圖像，診斷為LAD近段管壁非鈣化斑塊形成，局部血管重度狹窄(箭)；c)AI軟件重建圖像，診斷為LAD近中段血管重度狹窄(箭)；d)AI軟件重建的血管拉直圖像，診斷為LAD近中段血管重度狹窄(箭)。

AI組和人工組中對18段冠脈血管的顯示及標(biāo)示情況的比較見表2。AI系統(tǒng)顯示的冠脈血管段數(shù)(1065)與人工法(1067)比較，差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。AI系統(tǒng)對冠脈血管節(jié)段的總體命名符合率為96.88%(1555/1605)；有6支冠脈節(jié)段的命名與人工法之間的差異有統(tǒng)計(jì)學(xué)意義(P<0.05)，分別為第二對角支、第一鈍緣支、左回旋支中遠(yuǎn)段、第二鈍緣支、右室后支和中間支。

表2 兩組VR圖像上冠脈各節(jié)段的顯示和標(biāo)示情況的比較

兩組中對3支主要冠脈分支管腔狹窄程度的分級及組間比較結(jié)果見表3～5。AI系統(tǒng)對 RCA和LCX近中段輕度狹窄(2級)的診斷結(jié)果與人工方法之間的差異有統(tǒng)計(jì)學(xué)意義(P<0.05)，對LAD近中段血管無明顯狹窄(0級)和輕度狹窄(2級)的診斷結(jié)果與人工存在統(tǒng)計(jì)學(xué)差異(P<0.05)，余冠脈血管近中段不同狹窄程度(圖3)診斷差異無統(tǒng)計(jì)學(xué)(P>0.05)。

表4 兩組中對LAD 近中段狹窄程度分級的比較 /例

表5 兩組中對LCX近中段狹窄程度分級的比較 /例

討 論

人工智能作為計(jì)算機(jī)科學(xué)延伸的一門新興技術(shù)，應(yīng)用領(lǐng)域不斷擴(kuò)大，特別是在醫(yī)學(xué)影像大數(shù)據(jù)時代，AI和影像技術(shù)的共同發(fā)展促進(jìn)了人工智能在心血管影像中的應(yīng)用[3]。

本院自引進(jìn)數(shù)坤Coronary Doc冠脈輔助診斷軟件以來完成了大量CCTA后處理工作。在實(shí)際應(yīng)用過程當(dāng)中，筆者發(fā)現(xiàn)并不是所有CCTA后處理都能輔以AI技術(shù)。Suzuki等[15]研究表明，當(dāng)AI輔助診斷軟件遇到小樣本或多樣變量結(jié)果而又缺乏足夠數(shù)據(jù)訓(xùn)練時，機(jī)器學(xué)習(xí)算法將受到限制，諸如冠脈起源異常、搭橋術(shù)后以及圖像受心率或呼吸運(yùn)動影響有明顯錯層的患者，其血管走形表現(xiàn)多樣，給機(jī)器解讀帶來了一定困難，難以直接應(yīng)用于AI技術(shù)。在此次研究中排除了14例這樣的患者11.57%(14/121)。由此可知，當(dāng)這類患者行CCTA檢查時可作為篩選對象不參與AI后重建技術(shù)，以避免浪費(fèi)和占用資源。

由于AI輔助診斷軟件在進(jìn)行后處理時會刪除一些CCTA重建步驟從而減少整體用時[16]。此次研究發(fā)現(xiàn)，AI后處理用時比人工可節(jié)約近50%，在提高工作效率方面凸顯優(yōu)勢。另外，AI輔助診斷軟件對VR圖像著色和渲染有著不俗表現(xiàn)，視覺感觀強(qiáng)于人工組，尤其是在顯示局部解剖結(jié)構(gòu)形態(tài)上有很好的反饋,例如心肌橋(Myocardial bridge，MB)患者,從VR圖像上可直接觀察壁冠狀動脈與心肌橋之間的空間關(guān)系[17]。然而，AI在處理VR圖像時存在部分冠脈血管缺如2.80%(3/107)以及雜質(zhì)、靜脈污染11.21% (12/107)等現(xiàn)象，這些原因可能來自二個方面，一是患者本身因素也就是非掃描因素，例如患者心律不齊、心率過快、體重過大等特征；二是掃描參數(shù)相關(guān)因素，包括曝光劑量、重建算法等。從AI軟件功能來看，當(dāng)機(jī)器學(xué)習(xí)在初級階段獲取諸如以上兩種原因造成的非優(yōu)質(zhì)數(shù)據(jù)沒得到足夠的訓(xùn)練或訓(xùn)練不及格時，那么代表模型在訓(xùn)練集上找到的特征不具有代表性就會產(chǎn)生分割遺漏和噪聲，出現(xiàn)過擬合或者欠擬合[18]，表現(xiàn)在VR圖像上就會出現(xiàn)雜質(zhì)遺留、靜脈污染、冠脈血管誤添加或缺如等現(xiàn)象。

另外，AI重建VR圖像可對每支冠脈血管作以明確標(biāo)示，值得注意的是，AI對冠脈血管的標(biāo)示僅做參考而非唯一途徑作為，原因是AI在標(biāo)示血管準(zhǔn)確率上存在一定誤差3.12%(50/1605)，其中有部分冠脈血管節(jié)段標(biāo)示命名存在統(tǒng)計(jì)學(xué)差異，分別為D2、OM1、LCX中遠(yuǎn)段、OM2、R-PLB、RI。經(jīng)觀察這些錯標(biāo)血管絕大多數(shù)分布在血管分叉處或血管密集處，說明AI在這些區(qū)域正確識別血管的能力存在一定薄弱環(huán)節(jié)。

本研究發(fā)現(xiàn)，AI判讀冠脈血管狹窄程度≥50%(評分3～5)，即診斷符合冠心病的血管狹窄與人工比較無統(tǒng)計(jì)學(xué)差異，這與Kang等[19]研究結(jié)果是一致的，說明AI評價疑似冠心病患者與診斷醫(yī)師具有較好的一致性。但一例LAD閉塞性病變，AI存在誤診，因本研究閉塞性病變樣本例數(shù)較少，AI在血管閉塞的診斷上仍需要大樣本繼續(xù)研究。AI在判讀RCA、LCX近中段血管輕度狹窄(2分)以及LAD近中段沒有明顯狹窄(0分)和輕度狹窄(2分)與人工結(jié)果存在統(tǒng)計(jì)學(xué)差異，這其中不排除與醫(yī)師的診斷習(xí)慣及水平加上目測評估對結(jié)果產(chǎn)生影響有關(guān)。另外，斑塊性質(zhì)和形態(tài)也會影響血管狹窄程度的判斷。有文獻(xiàn)報(bào)道，血管狹窄程度與斑塊性質(zhì)存在一定關(guān)聯(lián)[20]。張宏彬等[21]研究發(fā)現(xiàn)，在混合斑塊、非鈣化斑塊中，其重度狹窄的判斷準(zhǔn)確性明顯高于輕度狹窄的判斷。此外，受部分血管充盈不良、錯層偽影等原因造成圖像質(zhì)量不佳也會影響AI判讀冠脈血管狹窄程度準(zhǔn)確性。由此說明，AI能否安全有效的應(yīng)用離不開優(yōu)質(zhì)數(shù)據(jù)集的支撐和質(zhì)量控制的介入。總體來說，醫(yī)生在評估冠脈血管狹窄程度時結(jié)合AI輔助診斷結(jié)果具有較好的參考價值，但是在最終判讀結(jié)果上還需通過人工校準(zhǔn)才能實(shí)現(xiàn)醫(yī)生+AI>1+1=2的診斷效能[22-23]。

存在的不足：隨著機(jī)器學(xué)習(xí)能力的提高，沒有對結(jié)果的時效性受到軟件更新升級速度的影響加以考慮。另外，結(jié)果只針對數(shù)坤Coronary Doc冠脈輔助診斷軟件，因不同軟件結(jié)構(gòu)模型以及訓(xùn)練量和樣本的組合方案不同其魯棒穩(wěn)定性也各有差異，因此，結(jié)果是否適用于其它軟件尚未明確。其次，在此次研究中僅針對RCA、LAD、LCX近中段血管最狹窄處進(jìn)行了評價，其它分支以及中遠(yuǎn)段血管沒有進(jìn)行更全面的分析包括對冠脈血管鈣化斑塊也缺乏有效的評估和闡述。除此之外，由于醫(yī)師目測加上個體差異會對血管狹窄處的判斷產(chǎn)生誤差，評價AI判讀冠脈血管狹窄程度僅以人工分析作為對照沒有結(jié)合金標(biāo)準(zhǔn)DSA的診斷效能做進(jìn)一步評價，都是此次研究中的不足。

綜上所述，隨著CCTA檢查量不斷提升，在人力資源有限的條件下，采用人工智能技術(shù)行冠狀動脈CT血管成像后處理不僅能提高工作效率還能為影像醫(yī)師評估冠脈血管狹窄程度提供輔助診斷作用。