人工智能与视觉评估在光学相干断层扫描图像钙化斑块量化中的对比研究（CONTEST）

来自日本的研究团队针对OCT图像中钙化参数量化差异问题，开展了一项对比人工智能（AI）自动量化与视觉评估的研究。结果显示AI倾向于高估钙化存在和参数（如角度和厚度），但血管尺寸评估高度一致（ICC>0.90），且两种评估方式对临床策略制定无显著差异，为AI在冠脉介入中的标准化应用提供了关键依据。

　　

光学相干断层扫描（OCT）结合人工智能（AI）技术近年得到快速发展。本研究旨在比较AI自动量化分析与视觉评估在OCT图像中的差异。

研究纳入了2021年9月至2022年10月期间计划接受OCT引导经皮冠状动脉介入治疗的患者。每位患者分别获取了AI量化分析的OCT回拉图像和视觉评估的回拉图像，并在术后进行离线手动分析（视觉分析1和2）。研究人员选取了视觉分析1中评估的对应横截面，由AI量化钙化参数和血管尺寸（称为AI量化分析）。

通过计算组内相关系数（ICC）并进行Bland–Altman分析，发现AI量化分析与视觉分析1或2在钙化斑块存在的一致性上达到83%。钙化长度的ICC值高于0.80，但最大钙化角度、平均钙化角度和最大钙化厚度的ICC均低于0.75。Bland–Altman分析进一步表明，AI量化的钙化角度和厚度数值均高于视觉评估结果。而在近端和远端参考位置，血管外弹力膜（EEL）直径和管腔直径的ICC值均接近或超过0.90，显示出高度一致性。此外，基于AI量化和视觉评估制定的后续治疗策略并无显著差异。

结论认为，与视觉评估相比，AI量化分析可能高估钙化斑块的存在及其参数，但在血管尺寸测量方面表现优异。两种评估方式所导出的临床策略具有可比性，提示AI在冠脉OCT分析中具备应用潜力，但需注意其在钙化参数判读中的局限性。

利益冲突声明：N.O. 接收了来自 Abiomed Japan 和 Boston Scientific Japan 的演讲费；M.N. 接受来自 Abbott Medical Japan、Boston Scientific Japan、Medtronic 和 Japan Lifeline 的资助；其余作者声明无利益冲突。