基于深度学习的全自动节段特异性CCTA斑块定量工作流程

《Journal of Imaging Informatics in Medicine》：A Fully Automated Segment-Specific CCTA Plaque Quantification Workflow using Deep Learning

　　

冠状动脉计算机断层血管造影（CCTA）仍是诊断冠状动脉疾病的关键手段，而其关注重点已从狭窄转向斑块负荷。现有工作流程或需人工调整而限制一致性与效率，或缺乏节段特异性精度。本研究评估了一种基于CCTA的全自动深度学习斑块定量方法的有效性与可靠性。研究人员开发了DVPlaque工作流程，一种全自动深度学习模型，用于定量节段特异性斑块体积。共纳入271例CCTA扫描。斑块定量分别由专家与DVPlaque模型完成。可靠性通过组内相关系数（ICC）分析与Bland–Altman图评估。DVPlaque工作流程耗时少于专家测量（p < 0.0001）。在主要冠状动脉各节段中，左前降支（LAD）近段斑块患病率最高（97.0%）。在各冠状动脉中，总斑块（TP）、钙化斑块（CP）、非钙化斑块（NCP）及低密度NCP体积均以LAD最高（p值均 < 0.05）。在每患者水平，TP、CP与NCP体积的ICC分别为0.962、0.985与0.932。相应偏倚与95%一致性界限分别为?25.39 [?261.51, 210.73] mm3、11.88 [?52.78, 76.55] mm3与?37.27 [?255.88, 181.33] mm3。对于TP、CP与NCP，每血管ICC均 > 0.90，除中段LAD的NCP（0.887）外，每节段ICC均 > 0.90。DVPlaque方案能够以优异效率定量斑块体积。CP与NCP的自动定量即便在节段水平也表现出强可靠性，有助于临床应用。

研究背景与问题

冠状动脉计算机断层血管造影（CCTA）是诊断阻塞性冠状动脉疾病（CAD）与心血管风险分层的一线无创影像手段，现行指南给予I类A级推荐。近年证据显示，诊疗范式已从以狭窄为中心转向直接定量动脉粥样硬化斑块负荷，后者与主要不良心血管事件（MACE）的关联强于单纯管腔狭窄。血管特异性斑块特征可为不同冠状动脉的风险差异提供信息，SCOT-HEART试验10年结果亦表明CCTA指导的管理可显著降低冠心病死亡或非致死性心肌梗死。深度学习与人工智能（AI）显著增强了CCTA的预测能力，已有研究显示AI斑块定量与专家评估高度一致并具预后价值。然而，多数现有AI增强软件为半自动，需大量人工校正，限制可重复性并阻碍融入常规临床流程；虽已有全自动工作流程报道，但其可靠性主要在每患者水平得到验证，血管与节段水平的全自动数据仍不可得，而节段特异性风险评估恰恰依赖此类精确测量且尚未被系统评估。为此，研究人员开展本研究，旨在评估基于CCTA的全自动深度学习斑块定量方案的有效性与可重复性，重点关注每患者、每血管与每节段水平的一致性。

研究方法概述

研究回顾性收集中国人民解放军总医院2025年2月至2026年1月的CCTA数据，纳入年龄≥18岁且至少一支冠状动脉直径狭窄≥50%者，排除图像质量欠佳、序列不完整、有支架植入或旁路移植史及慢性完全闭塞者，最终纳入271例。CCTA图像来自GE、Siemens或Philips设备，以DICOM格式保存，重建为0.75 mm³各向同性分辨率，对比剂碘浓度370 mg/mL、注射速率4.5 mL/sec。专家测量采用经验证软件Autoplaque 3.0（Cedars-Sinai医学中心），由两名具有至少5年CCTA阅片经验的资深医师在不知晓彼此结果与DVPlaque结果的前提下独立完成，取两人均值作为最终测量值；斑块成分按CT值分类：CP为HU > 350，NCP为?30 ≤ HU ≤ 350，LD-NCP为?30 ≤ HU < 30，NCP包含LD-NCP作为子集，TP为CP与NCP之和。DVPlaque（DEEPVESSEL Plaque，科亚医疗，北京；版本1.1）为预训练多阶段CCTA分析流程，2026年6月获美国食品药品监督管理局（FDA）许可（K260497），其开发数据集含中国5家中心与欧洲1家中心的1200例患者，本研究队列未参与训练、内部验证、超参数选择或模型开发；开发阶段斑块分割参考标准由核心实验室使用开源软件ITK snap 3.6.0获得，由具有3年以上相关经验的标注者沿冠状动脉手工勾画。统计分析采用Shapiro–Wilk检验判断分布，配对t检验比较分析时间，Wilcoxon符号秩检验比较斑块体积，四支血管间比较采用Friedman检验并以Bonferroni校正进行事后两两比较（实际p值乘以6作为校正p值）；以灵敏度、特异度、阴性预测值（NPV）与阳性预测值（PPV）及95%置信区间评估节段水平斑块检出的诊断性能；以平均差与一致性界限及ICC评估可重复性，采用双向随机效应绝对一致性模型（ICC 2,1），并通过将方法间差值对其均值回归评估比例偏倚；显著性水平为p < 0.05，分析使用Python 3.11.1。样本量以PASS 11.0的“Test for Intraclass Correlation”模块估算，假定零假设ICC（R0）为0.60、备择假设ICC（R1）为0.90，双侧α为0.05、把握度（1 ? β）为0.90，最少需16例受试者；考虑节段水平斑块患病率约10%，最少需160例患者，最终271例超过该要求。

研究结果

研究人群：共纳入271例患者（年龄61.8 ± 11.0岁；男性74.5%）。专家手动校正测量斑块体积每例耗时45.86 ± 2.63 min，自动化方案仅需4.24 ± 1.13 min（p < 0.0001）。

斑块分布：在主要冠状动脉各节段中，pLAD斑块患病率最高（97.0%），dLAD受累最少（3.7%）。271例患者的2439个主要节段中，专家识别出1418个节段存在斑块。两名专家间TP偏倚为?0.02 [?0.79, 0.75] mm³、ICC为0.987 [0.986, 0.989]；CP偏倚0.17 [?0.05, 0.40] mm³、ICC为0.995 [0.993, 0.996]；NCP偏倚?0.24 [?0.82, 0.33] mm³、ICC为0.989 [0.987, 0.990]；LD-NCP偏倚?0.01 [?0.11, 0.09] mm³、ICC为0.993 [0.992, 0.994]。在各冠状动脉中，TP（176.70 [105.50, 279.90] mm³）、CP（33.77 [6.19, 85.78] mm³）、NCP（125.1 [72.97, 199.30] mm³）与LD-NCP（16.97 [8.12, 37.21]）体积均以LM与LAD最高，p值均小于0.0001。

测量准确性分析：专家参考识别1418个斑块节段，DVPlaque识别1622个，假阳性204个、假阴性0个；节段水平斑块检出的灵敏度为1.000（95%CI [1.000, 1.000]），特异度0.800（95%CI [0.776, 0.825]），NPV为1.000（95%CI [1.000, 1.000]），PPV为0.874（95%CI [0.858, 0.890]）。每患者水平TP、CP与NCP体积一致性极佳，ICC分别为0.962（95%CI [0.941, 0.977]）、0.985（95%CI [0.969, 0.994]）与0.932（95%CI [0.898, 0.958]）；LD-NCP为中等一致性（ICC 0.794，95%CI [0.731, 0.852]）。平均百分比偏倚TP为?4.50%、CP为13.36%、NCP为?13.21%、LD-NCP为?18.93%，相应95%一致性界限分别为?45.73%至36.73%、?51.27%至77.98%、?73.97%至47.56%与?152.50%至114.64%。Spearman相关系数TP为0.962 [0.952, 0.970]、CP为0.990 [0.987, 0.992]、NCP为0.936 [0.920, 0.949]、LD-NCP为0.826 [0.784, 0.861]，均p < 0.001。每血管水平三支冠状动脉TP、CP与NCP体积ICC范围为0.931至0.987；除LCX（ICC 0.657，95%CI [0.479, 0.766]）外，LM+LAD（ICC 0.854，95%CI [0.790, 0.901]）与RCA（ICC 0.858，95%CI [0.775, 0.908]）的LD-NCP一致性可观。每节段水平TP、CP与NCP的ICC范围为0.890至0.993；dLAD因病例数少（n = 10）无法进行ICC分析；与每血管水平类似，每节段LD-NCP测量一致性为中等至较差。

讨论与结论

讨论指出，DVPlaque较专家手动测量效率显著提升（4.24 vs. 45.86 min，p < 0.0001），对TP、CP与NCP定量具极佳可重复性（每患者ICC 0.938–0.986、每血管0.931–0.987、每节段0.890–0.993）；其稳健的节段水平可靠性尤其在大心外膜血管中，可能促进风险分层与节段水平评估。三元图显示斑块主要分布于LAD、其次RCA，LCX受累最轻；斑块患病率以近段LAD最高、远段LAD最低，LAD呈显著近端至远端梯度而RCA梯度不明显，与既往研究一致。LAD在CP、NCP与LD-NCP体积上均占主导，与薄纤维帽粥样斑块聚集于近段LAD及STEMI闭塞近端聚集的既往证据相符，可能与其分叉较多导致血流扰动与低内皮剪切应力、促炎促动脉粥样硬化表型有关；LAD同时携带最高LD-NCP体积进一步提示其易损性。DECIDE注册研究中AI应用使51.3%的症状性患者管理发生改变，NCP体积为治疗强化最显著的独立预测因子（每增加10 mm³校正OR 1.16；p = 0.003）。与Chen等报道的全自动TP定量模型相比，本研究进一步证明DVPlaque在CP与NCP节段水平的可靠性，其节段ICC与既往报道的病灶水平ICC（NCP 0.79–0.98、CP 0.85–0.98）相近或更稳健；但LD-NCP在冠状动脉节段的一致性为中等至较差，多数全自动定量模型未报告LD-NCP可靠性，这提示全自动斑块定量仍存挑战，可能与LD-NCP衰减较低、体积较小以及成像伪影与分辨率受限有关，未来可采用更高分辨率的光子计数CT。局限性包括：外部验证来自单中心；队列限于至少一处≥50%狭窄且图像质量合格者，排除既往支架、旁路移植或慢性完全闭塞者；回顾性设计可能引入选择偏倚；训练数据与标注方案存在差异；固定HU阈值可能影响跨平台一致性；未评估高危斑块特征的自动检测；缺乏与血管内超声（IVUS）的直接比较以评估绝对准确性；自动化定量的增量预后价值与临床效用尚需前瞻性结局研究验证。

结论译文：本研究证明DVPlaque方案能够利用CCTA数据定量斑块体积。CP与NCP的自动定量即便在节段水平也表现出快速高效与极佳可靠性，有助于临床应用。未来研究应聚焦更大队列研究，特别是自动识别高危斑块特征并评估DVPlaque衍生测量的预后价值。