编辑推荐：
腹主动脉瘤腔内修复术（EVAR）术前规划需精准测量，但当前手动测量耗时且易出错。研究人员开展 BRAVE 软件相关研究，该软件能自动提取多种形态学特征，可提升 EVAR 规划效率与准确性，为临床提供有力支持。
在医学领域，腹主动脉瘤（Abdominal Aortic Aneurysm，AAA）是一种严重威胁健康的疾病。腔内修复术（Endovascular Aneurysm Repair，EVAR）凭借其创伤小、恢复快等优势，成为治疗 AAA 的重要手段 。然而，EVAR 手术的成功高度依赖术前精准规划，这就需要对患者的血管结构和动脉瘤特征进行精确评估。传统的手动测量方法不仅耗费大量时间，还容易受到人为因素影响，导致测量结果误差较大，难以满足临床需求。此外，现有的人工智能解决方案虽然在一定程度上实现了自动化，但大多仅聚焦于计算体积和直径等有限指标，无法提供全面的术前分析。在这样的背景下，开展一项能够突破现有局限、实现全面且精准的术前分析研究显得尤为迫切。
来自意大利特伦托大学（University of Trento）等机构的研究人员开展了相关研究。他们开发并验证了一款名为 BRAVE（Blood vessels Recognition and Aneurysms Visualization Enhancement）的人工智能软件，旨在提升 EVAR 手术规划的效率和准确性。该研究成果发表在《Scientific Reports》上，为腹主动脉瘤的治疗带来了新的希望。
研究人员在开展研究时，运用了多种关键技术方法。首先，采用深度学习算法，如预训练的 nnU - Net 和 SegResNet 网络进行图像分割。nnU - Net 用于初步分割主动脉、髂动脉等关键解剖结构；SegResNet 则专注于细化主动脉和髂动脉内血栓的分割。其次，利用了自行开发的血管识别算法（Vessel Identification Algorithm，VIA）和区域定位算法（Areas Localization Algorithm，ALA），分别用于识别次级血管和定位感兴趣区域，包括近端和远端密封区、AAA 瘤囊等。此外，研究使用了高斯混合模型（Gaussian Mixture Model，GMM）这一聚类算法，对血栓和钙化组织进行量化分析。研究数据来源于多个公开数据集，涵盖不同临床机构的成像协议，确保了研究结果的可靠性和通用性。
下面来看具体的研究结果：
- 血管识别：通过将 VIA 算法的结果与专家手动标注进行对比，在 20 例 AAA 患者的术前 CT 血管造影（CTA）图像中，自动分支检测算法准确标注了所有血管，未出现误判情况，证明该算法在识别次级血管方面具有较高的准确性。
- 血栓分割：使用包含 20 例 AAA 患者术前 CTA 图像的测试集对 SegResNet 网络进行评估。结果显示，该网络平均骰子相似系数（Dice Similarity Coefficient，DSC）达到 0.96，表明其能够准确分割主动脉内的血栓，偶尔在部分切片上会出现高估血栓的情况，但整体效果良好。
- 区域定位：BRAVE 软件不仅能够识别主动脉、髂动脉及其主要分支，还能精准定位近端和远端密封区、AAA 瘤囊（包括瘤腔和髂总动脉）。这一结果表明 ALA 算法在分割复杂解剖区域时表现出色，能够为 EVAR 手术规划提供关键信息。
- 整体评估：将 BRAVE 软件的自动分割结果与专家手动分割结果进行比较，在不同解剖区域的评估指标中，除了密封区壁和 AAA 瘤囊钙化区域外，DSC、Jaccard 指数（JI）和敏感性指数（SeI）均高于 0.85；特异性指数（SpI）始终接近 1.00。Bland - Altman 分析显示，偏差和一致性界限均低于预设临床标准，特征提取可靠性较高，整体性能达到 80% 以上。同时，软件对钙化和血栓组织比例的评估与外科医生判断具有较高一致性，加权 Cohen's kappa 统计值分别为 0.77（血栓组织）和 0.63（钙化组织）。
在研究结论和讨论部分，BRAVE 软件展现出诸多优势。它实现了全面的血管分割，能识别传统方法易忽略的次级血管，为医生提供完整的血管结构信息；对 AAA 瘤囊进行的体积分析，量化了血栓和钙化组织，有助于优化手术方案；自动识别近端和远端密封区，提高了手术规划的准确性。此外，该软件基于深度学习和无监督算法实现了全自动化处理，减少了人工干预，显著提升了临床工作流程的效率。而且，它在不同 CT 协议和患者群体中表现出良好的通用性，可广泛应用于多种临床场景。
然而，该研究也存在一定局限性，如最终工具验证时使用的样本量较小，这可能影响研究结果的普遍性。尽管如此，BRAVE 软件作为一款辅助工具，为血管外科医生在 EVAR 手术规划中提供了有力支持，提高了手术规划的效率和准确性，有望改善患者的治疗效果，推动腹主动脉瘤治疗领域的发展。未来，随着研究的深入和技术的进步，有望进一步优化该软件，扩大样本量进行验证，使其在临床实践中发挥更大的作用。
