综述：重新构想慢性完全闭塞的管理干预措施：人工智能在影像学、规划及手术指导中的作用

《The International Journal of Cardiovascular Imaging》：Reimagining chronic total occlusion management interventions: the role of artificial intelligence in imaging, planning, and procedural guidance

CTOs作为PCI中最复杂的病变之一，其治疗受血管解剖不明确、病变异质性和操作者差异影响显著。AI技术通过优化影像识别（OCT/CCTA）、手术规划（XGBoost模型）、实时指导及预后预测，正在提升CTOs治疗成功率。现有商业平台已初步验证价值，但需加强CTO特异性验证，并重视可解释AI（SHAP/LIME）的伦理应用，未来需发展临床验证的智能模型与跨学科协作机制。

　　

摘要

慢性完全闭塞（CTO）仍然是经皮冠状动脉介入治疗（PCI）中遇到的最复杂的病变类型之一，由于血管解剖结构不明确、病变异质性高以及操作者技术水平差异大，这些病变给治疗带来了显著的技术和临床挑战。尽管近年来介入技术的进步提高了手术成功率，但手术结果仍存在较大差异。将人工智能（AI）整合到CTO的管理中，有望优化治疗的各个环节，包括病变评估、手术计划制定、术中实时支持以及术后结果预测。本综述综合了当前关于AI在CTO治疗全过程中的应用的研究证据，重点探讨了深度学习在光学相干断层扫描（OCT）和冠状动脉计算机断层扫描血管造影（CCTA）等成像技术中的作用，以及XGBoost等机器学习模型在手术策略制定和结果预测方面的应用。包括Ultreon OCT和HeartFlow FFRCT在内的商业平台已经展现出初步的转化应用价值，但其在CTO特定场景下的验证仍较为有限。文章还讨论了算法透明度、数据泛化能力以及临床医生对AI的信任度等伦理问题，并介绍了SHAP和LIME等可解释性AI方法。随着AI技术的不断发展，未来的研究应重点开发具有可解释性且经过临床验证的模型，并鼓励多学科合作，以推动AI在介入心脏病学中的伦理整合，从而改善患者的治疗效果。