综述：人工智能在核心脏病学中的应用现状与最新进展

这篇综述系统探讨了人工智能（AI）如何革新核心脏病学领域，重点分析了AI在单光子发射计算机断层扫描（SPECT）和正电子发射断层扫描（PET）中的应用，包括优化患者筛选（如应激-only成像）、提升图像分割/衰减校正效率，以及在冠状动脉疾病、心脏结节病和淀粉样变性诊断中的突破性表现。AI模型展现出媲美甚至超越专家读片的能力，但需更大规模验证其普适性。

　　

Abstract

核心脏病学领域正经历人工智能（AI）驱动的技术变革。单光子发射计算机断层扫描（SPECT）和正电子发射断层扫描（PET）产生的海量数据，为AI提供了优化诊断流程的契机。深度学习模型已能精准识别适合应激-only成像的患者，显著减少辐射暴露和检查时间。更令人振奋的是，AI在图像后处理环节展现出超越传统方法的潜力——通过自动化分割、衰减校正和图像配准，大幅提升工作效率。

Purpose of Review

SPECT/PET技术的进步带来了数据爆炸性增长，但人工分析这些数据存在效率瓶颈。AI的介入为临床决策提供了新思路：从患者分层到图像解读，算法可挖掘人眼难以捕捉的细微模式。尤其在资源有限的情况下，AI辅助的快速筛查系统能有效缓解医疗压力。

Recent Findings

流程优化：深度学习模型通过分析历史数据，可预测哪些患者仅需应激阶段成像即可完成诊断，使30%的病例免去静息扫描。
技术革新：卷积神经网络（CNN）在心肌分割任务中达到0.92的Dice系数，优于传统阈值法；生成对抗网络（GAN）实现的虚拟衰减校正，解决了硬件依赖问题。
疾病诊断：针对心脏淀粉样变性的AI模型特异性达94%，显著高于临床评分系统；在冠状动脉疾病风险预测中，集成学习算法曲线下面积（AUC）达0.88，媲美高级职称医师。

Summary

尽管AI在核心脏病学的应用前景广阔，当前研究仍存在样本同质性强、外部验证不足等局限。未来需开展多中心研究验证算法的泛化能力，同时解决医疗数据隐私与算法可解释性等伦理问题。值得关注的是，AI与新型示踪剂的结合可能开辟精准诊疗的新纪元。