《European Journal of Radiology Open》：Impact of super resolution deep learning reconstruction with a 1024 matrix on CAD-RADS classification of intermediate coronary stenosis: A bicentric retrospective study
编辑推荐：
采用1024矩阵的超分辨率深度学习重建（Super-Resolution Deep Learning Reconstruction, SR-DLR）会影响冠状动脉CT血管成像（Coronary CT Angiography, CCTA）中的冠状动脉疾病报告与数
采用1024矩阵的超分辨率深度学习重建（Super-Resolution Deep Learning Reconstruction, SR-DLR）会影响冠状动脉CT血管成像（Coronary CT Angiography, CCTA）中的冠状动脉疾病报告与数据系统（Coronary Artery Disease Reporting and Data System, CAD-RADS）分级。使用SR-DLR-1024后，CAD-RADS 2的共识分级率升高（22%对比7%；p = 0.016）。所有重建方法下，读者间一致性均保持极佳。在含有非钙化成分的病变中，降级在数值上更为常见。SR-DLR是一种基于软件的方法，无需专用硬件。
冠状动脉CT血管成像（CCTA）已成为评估冠状动脉疾病的一线无创影像学方法，其标准化报告系统CAD-RADS将狭窄程度与临床管理建议相关联。然而，对于管腔直径减少50%–69%的中间狭窄（即CAD-RADS 3），视觉评估仍是诊断的灰色地带：微小的视觉差异可能改变下游检查与治疗决策。传统CCTA的空间分辨率受像素大小、噪声、部分容积效应及钙化伪影的限制，可能导致狭窄程度高估。专用超高分辨率CT（UHR-CT）和光子计数CT（PCCT）可改善空间分辨率，但成本高昂、普及有限。超分辨率深度学习重建（SR-DLR）是一种纯软件算法，无需专用硬件即可提高有效空间分辨率。已有研究提示SR-DLR可改变CAD-RADS分级，但矩阵大小与超分辨率重建的独立作用、对中间狭窄及观察者间一致性的影响仍不清楚。因此，研究人员开展了这项双中心回顾性研究，以评估SR-DLR-1024对初始判定为潜在CAD-RADS 3病变的影响。
研究人员比较了常规深度学习重建（NR-DLR）与两种SR-DLR重建（512矩阵和1024矩阵）在46个中间狭窄病变中的CAD-RADS共识分级。结果显示，SR-DLR-1024使共识CAD-RADS 2的比例从7%显著升至22%（p = 0.016），整体分级分布亦显著变化（p = 0.027），同时观察者间一致性保持极佳。这一发现表明，重建策略本身可以影响视觉分级，提示在解释临界狭窄时，重建方式应被视为独立的变异来源。
研究纳入2022年11月至2023年1月两家大学医院（Centre 1: 29例/33个病变；Centre 2: 10例/13个病变）行临床CCTA的39例患者，共46个初始报告为50%–69%狭窄的病变。所有图像均使用第四代320排CT（Canon Aquilion ONE）采集，分别重建为NR-DLR（AiCE，512矩阵）、SR-DLR-512（PIQE 512）和SR-DLR-1024（PIQE 1024），层厚0.5 mm，像素大小分别为0.5 mm和0.25 mm。5名经验超过10年的读者独立、随机、盲法阅读所有138个数据集（3×46），按临床常规进行视觉分级，无自动量化工具；共识定义为至少3/5读者一致。统计采用Gwet's AC2系数（一种加权一致性系数）评估一致性，精确McNemar检验比较CAD-RADS 2降级率，Stuart-Maxwell检验比较整体分布。
3.1 研究人群
共39例患者的46个病变，男性占65.2%，平均年龄65.5岁。图像质量良好者占75.6%，平均Agatston钙化评分680.7。病变主要位于左前降支（63%），斑块类型包括19个钙化、16个混合、10个非钙化和1个支架内狭窄。
3.2 冠状动脉CT血管成像
平均辐射剂量（剂量长度乘积）为188.4 mGy·cm，钙化评分均为阳性，中位MESA百分位数为91.0。
3.3 专家阅读
所有138个数据集均获得共识，无需额外读者，共识分级范围为CAD-RADS 2–4。
3.3.1 观察者间一致性
Gwet's AC2系数分别为：NR-DLR 0.89（95%CI 0.86–0.92），SR-DLR-512 0.87（0.83–0.90），SR-DLR-1024 0.84（0.81–0.88），均处于极佳范围，置信区间重叠。
3.4 CAD-RADS重分类
3.4.1 总体共识分析
与NR-DLR相比，SR-DLR-1024使共识CAD-RADS 2比例从3/46（7%）升至10/46（22%），CAD-RADS 3从36/46（78%）降至30/46（65%），CAD-RADS 4基本不变（15%对13%）。精确McNemar检验p = 0.016，Stuart-Maxwell检验p = 0.027。SR-DLR-512的变化未达统计学意义（p = 0.625和p = 0.549）。
3.4.2 个体读者分析
各读者CAD-RADS 2比例变化不一：5位读者中2位显著增加（Reader 1从6.5%至26.1%，Reader 3从0%至19.6%，均p = 0.004），1位趋势未显著，2位无变化。基线阈值较低的读者降级更明显，提示重建效果与个体判读阈值交互。
3.4.3 斑块组成
探索性亚组分析显示，含非钙化成分的27个病变中，CAD-RADS 2比例从7.4%（2/27）升至25.9%（7/27），p = 0.063；钙化病变中从5.3%（1/19）升至15.8%（3/19），p = 0.50。降级数值上多见于非钙化成分病变。
3.4.4 初始图像质量
初始图像质量良好（34个病变）的亚组中，CAD-RADS 2比例从5.9%（2/34）显著升至23.5%（8/34），p = 0.031；图像质量中等或差的亚组（11个）中从9.1%（1/11）升至18.2%（2/11），p = 1.00。提示重建矩阵的影响在图像质量较好时更明显。
3.5 定性图像评估
定性观察显示，SR-DLR-1024改善了残余管腔及斑块-管腔界面的显示，钙化伪影视觉上减轻，但未进行定量测量。
讨论部分指出，研究目的并非评估诊断准确性，而是观察重建策略对视觉分级的影响。重分类的双向性、体模研究中已知的分辨率改善、以及与其他高分辨率技术（UHR-CT、PCCT）的相似结果，均支持重建诱导的分级变化具有物理学基础而非纯粹伪影。尽管缺乏侵入性参考标准，但该结果与Zou等的前瞻性研究互补，表明重建诱导的CAD-RADS变化具有可重复性。讨论还强调，观察者间一致性高并不与个体阈值差异矛盾，Gwet's AC2适用于高概率一致性情景。研究人员建议未来研究应整合侵入性参考标准和临床结局，以确定这些变化能否改善患者管理。
总之，使用1024矩阵的SR-DLR在临床相关的比例上改变了中度冠状动脉狭窄的CAD-RADS分级，同时保持了极佳的观察者间一致性。本研究并未证明诊断准确性提高，而是进一步证明图像重建本身影响视觉CAD-RADS分类。结合既往超高分辨率CT、光子计数CT和SR-DLR的研究，这些发现支持重建策略已成为冠状动脉CTA解读的重要组成部分，在评估临界狭窄时应予以考虑。这些重建诱导的改变最终是否能转化为更好的诊断准确性、更合适的临床决策和更好的患者结局，仍有待纳入侵入性参考标准和临床结局指标的前瞻性研究来证实。
