人工智能在非门控胸部CT中基于血管特异性的冠状动脉钙化评分可靠性研究：与ECG门控心脏CT的对比分析

本研究通过对比290例患者的非ECG门控胸部CT与ECG门控心脏CT数据，验证了AI冠状动脉钙化评分(CACS)在非门控CT中的筛查潜力（ICC=0.87），同时揭示其存在41.4%风险误分类率，为优化AI算法提供了血管特异性误差分析（如LAD支架误判、RCA微钙化漏诊等关键问题）。

　　

Highlight亮点

本研究首次系统评估了AI在非门控胸部CT中实现血管特异性冠状动脉钙化评分(CACS)的可靠性，揭示了临床转化中的关键矛盾：总体优秀的一致性(ICC 0.87)与高达41.4%的风险误分类率并存。

Results结果

非门控胸部CT的总CACS与人工评分(CACS_man)高度一致，但风险误分类率是门控CT的7.5倍（41.4% vs 5.5%）。血管特异性分析显示：左前降支(LAD)因支架误判呈现"矛盾性高可靠性"(ICC 0.93)，而右冠状动脉(RCA)表现较差(ICC 0.60-0.68)。假阳性主要源于LAD/RCA近端图像噪声（中位CACS 5.97 vs 3.45），假阴性则多涉及RCA微钙化（中位CACS 2.64）。

Conclusions结论

AI驱动的非门控胸部CT虽具备机会性筛查价值，但需针对血管特异性缺陷进行协议优化，特别是解决41.4%风险误分类率问题，才能成为可靠的独立筛查工具。