AI辅助心脏CT血管造影中偶发肺栓塞检测的临床价值评估

本研究针对心脏CT血管造影(CCTA)中偶发肺栓塞(PE)漏诊率高的问题，开发了基于人工智能(AI)的检测算法。通过回顾性分析1534例CCTA扫描，发现AI算法检出率显著高于传统放射学报告(检出22例PE中45.5%被初诊漏诊)，尤其对段/亚段肺动脉栓塞敏感。该研究为优化CCTA工作流程提供了重要技术支撑，发表于《The International Journal of Cardiovascular Imaging》。

　　

在心血管影像诊断领域，心脏CT血管造影(CCTA)已成为评估冠状动脉疾病的重要工具。然而这项技术存在一个隐藏风险——约1%的检查中会意外发现肺栓塞(PE)，这些被称为" incidental PE"的病灶往往因检查目的不同而被忽视。更令人担忧的是，传统CCTA扫描采用心脏中心的小视野(FOV)和主动脉优先增强策略，使得肺动脉树显示不充分，导致段/亚段PE的漏诊率高达45.5%。

以色列特拉维夫大学附属Chaim Sheba医学中心的研究团队开展了一项创新性研究，他们首次将经过CTPA验证的AI算法应用于CCTA扫描的PE检测。这项发表在《The International Journal of Cardiovascular Imaging》的研究揭示了AI技术在改善诊断效能方面的巨大潜力。

研究采用三项关键技术：1)商用AI算法(Aidoc Medical)分析1534例回顾性CCTA数据；2)自然语言处理(NLP)工具筛查原始放射报告；3)创新的"外周指数"量化PE在有限FOV中的位置。所有AI与报告不符的病例均由心胸放射科医师进行盲法复核。

研究结果显示：AI算法检出27例阳性中22例确诊，灵敏度达100%。其中10例(45.5%)被初诊漏诊的PE均位于段/亚段动脉(P<0.05)，且均无右心室(RV) strain表现。通过独创的"外周指数"分析发现，漏诊与PE在图像中的位置无显著相关性，主要取决于栓塞级别。肺动脉平均增强达428.6 HU，满足诊断要求，但主动脉/肺动脉(A/P)增强比对漏诊率无影响。

该研究证实了AI算法在CCTA中检测偶发PE的可行性，特别对易漏诊的周围型栓塞具有独特优势。这一发现对临床实践具有双重意义：技术上，证明了现有AI工具可适应不同CT协议；临床上，为改善PE检出提供了自动化解决方案。但研究也指出局限性，如样本量较小、缺乏全面金标准等，提示未来需要更大规模的前瞻性验证。值得注意的是，所有漏诊病例均为亚段PE，这引发了关于此类栓塞临床意义的持续讨论——尽管部分研究认为亚段PE预后良好，但最新证据显示未经抗凝治疗的患者90天内静脉血栓复发风险显著增高。

这项研究为放射科工作流程优化提供了重要启示：在非PE指征的CT检查中整合AI辅助诊断，可能成为减少漏诊的有效策略。特别是在CABG术后(PE发生率6.2%)和急性卒中患者(7.9%)等高危人群中，这种技术或将成为标准配置。随着AI算法持续进化，未来可能实现PE的自动化分级和危险分层，进一步推动精准医疗在血栓栓塞性疾病中的应用。