用于经导管主动脉瓣置换术的心脏CT中，冠状动脉狭窄检测及经皮冠状动脉介入治疗预测的路线图分析

《Journal of Cardiovascular Computed Tomography》：Roadmap analysis for coronary artery stenosis detection and percutaneous coronary intervention prediction in cardiac CT for transcatheter aortic valve replacement

AI辅助评估经导管主动脉瓣置换术前冠状动脉狭窄的准确性及临床应用价值。

　　心脏冠状动脉疾病的诊断和评估在心血管疾病管理中具有重要地位，尤其是在需要进行经导管主动脉瓣置换术（TAVR）的患者中。随着医学影像技术的不断发展，人工智能（AI）在辅助医生进行图像分析方面展现出了巨大的潜力。HeartFlow公司开发的Roadmap软件就是一种基于AI的冠状动脉狭窄量化工具，旨在提高心脏计算机断层扫描（CTA）在TAVR规划中的诊断效率。本研究探讨了Roadmap在预测冠状动脉疾病（CAD）和识别未来可能需要经皮冠状动脉介入治疗（PCI）的患者中的表现，同时比较了使用Roadmap与仅由CT专家进行诊断的准确性。

研究采用了回顾性观察设计，纳入了在TAVR前接受了心脏CTA和侵入性冠状动脉造影（ICA）的333名患者。最终分析的样本量为164例，其中包括160名患者和465条血管。研究团队评估了三种方法对预测冠状动脉狭窄≥50%的诊断能力：Roadmap单独使用、CT专家结合Roadmap分析，以及CT专家单独分析。结果显示，无论是否使用Roadmap，CT专家在预测冠状动脉狭窄≥50%时的曲线下面积（AUC）均相似，分别为0.93（0.85–0.97）和0.94（0.88–0.98），且显著高于Roadmap单独使用的AUC。这表明，即使在没有Roadmap辅助的情况下，CT专家也具备较高的诊断准确性。

然而，Roadmap在预测需要PCI的患者方面表现不佳，其AUC低于CT专家单独分析和CT专家结合Roadmap分析的结果。此外，Roadmap单独使用的阳性预测值（PPV）仅为49%，而CT专家结合Roadmap的PPV则显著提高。这一发现强调了Roadmap在单独使用时可能无法提供足够的诊断可靠性，尤其是在需要明确决策的临床场景中。相比之下，CT专家结合Roadmap的分析方法在预测CAD和PCI需求方面均表现出较高的准确性，尤其是在识别那些需要进一步干预的患者时。

值得注意的是，Roadmap在预测CAD时的阴性预测值（NPV）高达97%，与CT专家结合Roadmap的分析结果相当。这说明Roadmap在排除严重冠状动脉狭窄方面具有较高的可靠性，可以作为初步筛查工具。此外，研究还发现，Roadmap对冠状动脉狭窄的评估往往比CT专家更严重，这种趋势在结合CT专家审查后有所缓解。这一现象可能与图像质量、钙化程度以及患者的心率等因素有关。在高钙化负荷的患者中，Roadmap可能会出现更高的误判率，因此在实际应用中需要谨慎对待。

研究进一步探讨了Roadmap在预测未来需要PCI的患者中的表现。结果显示，无论是在患者层面还是血管层面，Roadmap的预测能力均低于CT专家和QCA。尽管如此，当Roadmap与CT专家结合使用时，其NPV依然保持较高水平，表明这种AI辅助工具可以作为“第二观察者”，在不影响诊断质量的前提下提高工作效率。此外，研究还发现，冠状动脉钙化评分（CAC）是预测Roadmap与QCA之间以及CT专家之间诊断分歧的重要因素。这一发现对于临床实践具有重要意义，因为它提示医生在使用Roadmap时应考虑患者的CAC水平，以避免因高钙化而引起的误判。

在实际应用中，Roadmap可能对医生的诊断过程产生积极影响。尽管其单独使用时存在一定的局限性，但在结合经验丰富的CT专家进行复核后，其诊断价值得以提升。这一结果表明，AI工具不应完全取代人类专家的判断，而应作为辅助手段，帮助医生更高效地识别需要进一步检查或干预的病例。尤其是在处理高钙化负荷的患者时，AI工具可能需要更多的临床验证和调整，以确保其在不同人群中的适用性和准确性。

本研究还揭示了在TAVR规划中使用心脏CTA的某些特殊挑战。例如，由于TAVR患者通常年龄较大，且常伴有严重的主动脉瓣钙化，因此在进行CTA时，往往无法使用硝酸甘油或β受体阻滞剂来改善冠状动脉的显影效果。这可能导致图像质量下降，增加误诊的风险。此外，TAVR患者的心率控制可能不如标准CTA患者严格，这也可能影响图像的清晰度和诊断的准确性。因此，在使用Roadmap进行冠状动脉狭窄评估时，需要综合考虑这些因素，并在必要时进行人工复核。

总体而言，Roadmap在预测CAD和PCI需求方面展现出了一定的潜力，尤其是在提高诊断效率和减少不必要的ICA使用方面。然而，其单独使用时的PPV较低，说明在需要精确判断的临床场景中，仍需依赖经验丰富的CT专家进行复核。这一研究结果为临床医生提供了重要的参考，有助于在实际工作中合理利用AI工具，以提高诊断的准确性和效率，同时确保患者的安全。此外，研究还强调了在高钙化负荷患者中，Roadmap可能需要更多的调整和验证，以确保其在不同人群中的适用性。

在讨论研究结果时，作者指出，虽然Roadmap在某些方面表现良好，但在预测需要PCI的患者时，其准确度仍低于CT专家和QCA。这表明，AI工具在某些情况下可能无法替代传统的诊断方法，尤其是在需要高度准确判断的临床决策中。然而，Roadmap的高NPV使其成为一种有价值的辅助工具，尤其是在排除严重冠状动脉狭窄时。这一特性对于减少不必要的ICA检查和优化患者管理流程具有重要意义。

此外，研究还探讨了Roadmap在临床决策树中的应用。基于研究结果，作者提出了一种决策树模型，利用Roadmap的冠状动脉狭窄评分作为判断是否需要进行ICA的依据。在该模型中，如果CT专家结合Roadmap的评估显示狭窄程度低于50%，则可能不需要进行ICA。这一模型的提出为临床医生提供了一种基于AI的决策支持工具，有助于更合理地分配医疗资源，提高诊断效率。

研究的局限性也值得重视。首先，该研究为单中心回顾性研究，可能存在测量偏差和选择偏差。其次，样本量相对较小，仅有36名患者被诊断为有≥50%的狭窄，这可能影响研究结果的普遍适用性。此外，Roadmap的分析可能需要较长时间，且在某些情况下无法及时提供结果，这可能对当天的诊断和治疗决策产生一定影响。最后，研究主要关注解剖学上的狭窄程度，而未涉及功能性评估，如侵入性功能性检查。这表明，尽管Roadmap在解剖学评估方面表现良好，但在功能性评估方面仍需进一步研究。

综上所述，Roadmap作为一种基于AI的冠状动脉狭窄评估工具，在TAVR规划中展现出一定的应用前景。然而，其单独使用时的局限性不容忽视，特别是在需要精确判断的临床场景中。结合经验丰富的CT专家进行复核可以显著提高其诊断价值，使其成为一种有效的辅助工具。这一研究结果不仅为临床医生提供了重要的参考，也为未来AI在心血管疾病管理中的应用奠定了基础。在实际临床工作中，合理利用AI工具与人类专家的协同作用，将有助于提高诊断的准确性和效率，同时确保患者的安全和治疗的及时性。