编辑推荐：
心血管疾病（CVD）严重威胁健康，[18F] NaF 正电子发射断层扫描（PET）可检测冠状动脉微钙化，但影像组学特征的可靠性影响其临床应用。研究人员开发冠状动脉自动分割模型，评估影像组学重复性和可靠性。结果表明模型有效，部分特征可靠，为临床应用提供支持。
在心血管疾病的诊疗领域，冠状动脉疾病（CAD）作为 “沉默的杀手”，悄无声息地威胁着无数人的生命。据统计，心血管疾病是全球死亡的首要原因，2021 年约有 1991 万人因此丧生，而冠状动脉疾病在其中占比高达近一半。传统检测手段难以精准预测冠状动脉钙化的进展，现有的 [18F] NaF PET 虽能检测微小钙化（<50μm），但影像组学特征的可靠性却阻碍了其在临床的广泛应用。为了解决这一难题，来自澳大利亚西澳大利亚大学等机构的研究人员开展了一项重要研究，相关成果发表于《EJNMMI Physics》。
研究人员为实现冠状动脉自动分割并评估影像组学的可靠性，主要运用了以下关键技术方法：数据来源于 “维生素 K 和秋水仙碱对血管钙化活性的影响”（VikCoVac）试验，从中选取 141 名参与者的 [18F] NaF PET 和钙评分计算机断层扫描（CSCT）影像数据。利用 nnUNet 框架训练自动分割模型，通过 5 折交叉验证评估模型性能。采用组内相关系数（ICC）评估影像组学特征的重复性和可靠性。
研究结果如下：
- 自动分割模型性能：nnUNet 自动分割模型在 5 折交叉验证中，各冠状动脉的平均 Dice 相似系数（DSC）等指标良好，如左旋支（LCx）的 DSC 为 0.56±0.01，与观察者内变异性相比无显著差异，这表明该模型在冠状动脉分割方面表现出色，能有效辅助临床工作。
- 观察者间和观察者内影像组学重复性：对于未滤波图像，部分 CT 和 PET 影像组学特征在观察者间和观察者内具有重复性。其中，一阶和灰度共生矩阵（GLCM）特征重复性较高，如 7（9.7%）的 CT 和 18（25.0%）的 PET 一阶特征，以及 17（17.7%）的 CT GLCM 特征在两种分析中均具有重复性。
- 手动与 AI 分割影像组学比较：从 AI 分割影像中提取的影像组学特征与手动分割相比，部分特征可靠性良好。如 4 个 PET 特征和 6 个 CSCT 特征在所有冠状动脉中均保持可靠，且最大标准摄取值（SUVmax）特征在 AI 分割中的可靠性与观察者内重复性相当。
- 掩码扩张对影像组学可靠性的影响：掩码扩张对 PET 和 CT 影像组学特征可靠性影响不同。PET 影像中，随着掩码扩张，可靠特征数量增加；而 CSCT 影像中，除左主干（LM）特征外，其他冠状动脉特征可靠性未因掩码扩张而改善。
研究结论表明，研究人员成功开发了有效的冠状动脉分割模型，通过观察者间和观察者内评估确定了 [18F] NaF PET/CSCT 影像组学的重复性，突出了 AI 分割影像组学相对于手动分割的可靠性。这为心血管疾病的早期检测和风险评估提供了有力支持，有助于实现精准医疗。然而，该研究也存在一定局限性，如样本量较小且主要为糖尿病患者，存在潜在的选择偏倚；使用两种不同的 CSCT 扫描仪可能存在批次效应等。未来需要更大样本量和不同冠状动脉钙化程度的研究来进一步验证这些发现。但不可否认的是，这项研究为心血管疾病的诊疗开辟了新的方向，在生命科学和健康医学领域具有重要的意义，为后续研究奠定了坚实基础。
