编辑推荐：
在冠状动脉计算机断层血管造影（CCTA）用于冠心病（CAD）评估时，面临需求增长、资源有限、判读耗时、操作者差异等问题。研究人员探索 AI 在 CCTA 中的应用，发现 AI 可辅助区分正常与病变冠状动脉、识别狭窄患者，能提高效率，但也有局限，为后续研究提供方向。
在心血管疾病领域，冠心病（Coronary Artery Disease，CAD）严重威胁着人类的健康。冠状动脉计算机断层血管造影（Coronary Computed Tomography Angiography，CCTA）作为一种重要的无创性评估手段，已成为诊断冠心病的关键技术之一。它不仅能帮助医生识别冠状动脉管腔狭窄情况，还能对冠状动脉粥样硬化进行评估，而这与主要不良心血管事件（Major Adverse Cardiovascular Events，MACE）的风险密切相关，因此在临床中应用广泛。
然而，随着对 CCTA 需求的迅速增加，一些问题也逐渐暴露出来。一方面，CCTA 的解读非常耗时，这在医疗资源有限的情况下，给医生带来了巨大的工作压力。另一方面，不同医生之间对 CCTA 结果的判读存在差异，尤其是经验不足的医生，更容易出现报告错误。这些问题严重影响了 CCTA 在临床应用中的准确性和效率，也促使研究人员寻找新的解决方案。
为了解决这些问题，来自意大利 Ospedale Galeazzi-Sant’Ambrogio IRCCS 和米兰大学的研究人员开展了关于人工智能（Artificial Intelligence，AI）辅助 CCTA 在冠心病诊断中应用的研究。相关研究成果发表在《The International Journal of Cardiovascular Imaging》上。
在这项研究中，研究人员主要运用了两种关键技术方法。一是利用有经验的阅片者（此前有超过 1000 例临床阅片经验）对患者的 CCTA 图像进行分析，作为对比参照；二是借助人工智能赋能的定量 CT（AI-QCT）系统以及深度学习技术对患者数据进行处理分析。研究数据来源于多个病例队列，其中 Idris 等人的研究分析了 411 例患者，Chen 等人的研究则纳入了 1090 例患者。
下面来看具体的研究结果：
- AI 区分正常与轻微病变冠状动脉的能力：Idris 等人的研究聚焦于 AI 在区分正常冠状动脉与存在轻微病变冠状动脉方面的作用。研究中，他们同时使用经验丰富的阅片者和 AI-QCT 系统对 411 例患者进行分析。令人惊讶的是，AI-QCT 发现，在被专家判定为正常的患者中，只有 26% 的人确实没有斑块，也就是说，在其余 74%（174 例患者）的病例中，AI-QCT 检测到了动脉粥样硬化斑块。研究人员还提出了一个实用的阈值，即当斑块体积 < 12.3 mm3时，人工阅片者可能会将扫描结果解读为正常。值得注意的是，在 AI-QCT 判定为 “正常” 但总斑块体积超过 12.3 mm3的患者中，78% 的人在左前降支近端存在斑块，而这一部位的斑块与疾病预后密切相关。由此可见，AI-QCT 在提高阅片效率、辅助检测早期疾病方面具有一定的潜力。
- AI 检测阻塞性狭窄的效能：Chen 等人在多中心研究中，以专家阅片为参考标准，评估了 AI 检测阻塞性狭窄的性能。研究结果显示，AI 的表现与专家判断具有高度一致性，其对每位患者的诊断准确率达到 92.8%，灵敏度为 95.3%，阴性预测值为 97.3%，这充分说明了 AI 在排除阻塞性疾病方面的可靠性。不过，当存在钙化斑块时，由于会产生 blooming 伪影，AI 的阳性预测值会有所降低。此外，AI 还显著缩短了阅片时间，从平均 5.94 分钟减少到 2.01 分钟。
综合上述研究结果，AI 在 CCTA 的工作流程中展现出了巨大的潜力。它能够大幅减少图像后处理时间，更精准地识别微小斑块，提高不同阅片者之间的一致性，并且有助于更准确地进行风险分层。AI 对斑块评估具有定量和可重复性的特点，这对于长期监测病情发展和制定预防策略非常有帮助。
然而，目前的研究也存在一些局限性。Idris 等人的研究是单中心研究，并且排除了患有中度以上 CAD 的患者，同时还存在 AI-QCT 漏诊专家可见的小钙化斑块的情况。Chen 等人的研究则排除了有过经皮冠状动脉介入治疗（PCI）、冠状动脉旁路移植术（CABG）、安装起搏器、植入式心律转复除颤器（ICDs）、先天性冠状动脉异常、人工瓣膜或严重钙化的患者，这些患者的扫描结果通常更具挑战性，遗漏这些病例可能会影响研究结果的普遍性。
这些局限性表明，在开发 AI 模型时，需要建立大规模、包容性强且无偏差的数据库，以确保 AI 模型能够为临床提供安全、透明且公平的诊断建议。尽管 AI 在冠心病诊断中取得了一定进展，但在将基于 AI 的软件常规应用于临床实践之前，仍需要进行更广泛的研究，以验证其在不同人群中的有效性和可靠性。
总的来说，这项研究为 AI 在 CCTA 诊断冠心病方面的应用提供了重要的参考，虽然 AI 目前还存在一些不足，但它的潜力不可忽视。未来，随着技术的不断完善和研究的深入，AI 有望成为冠心病诊断中不可或缺的辅助工具，为心血管疾病的防治带来新的突破。
