人工智能冠狀動(dòng)脈CT血管成像在冠心病診斷中的應(yīng)用

黃增發(fā)， 王翔

冠狀動(dòng)脈粥樣硬化性心臟病，簡稱冠心病，是指冠狀動(dòng)脈粥樣硬化使血管管腔狹窄或閉塞，或(和)因冠狀動(dòng)脈功能改變(痙攣)導(dǎo)致心肌缺血缺氧或壞死而引起的心臟病。冠心病嚴(yán)重危害人類的健康，2018年5月，國家心血管中心發(fā)布的《中國心血管病報(bào)告2017》指出：近年來我國城鄉(xiāng)冠心病的發(fā)病率和死亡率總體呈現(xiàn)上升態(tài)勢，冠心病死亡率繼續(xù)呈現(xiàn)快速上升趨勢，農(nóng)村地區(qū)冠心病的死亡率和發(fā)病率已高于城市地區(qū)。因此，對冠心病患者盡早做出診斷，并采取科學(xué)的有效治療措施，具有非常重要的現(xiàn)實(shí)意義。目前，診斷冠心病的金標(biāo)準(zhǔn)是冠狀動(dòng)脈造影，但是此種方法屬于有創(chuàng)檢查，且價(jià)格較貴，并且會(huì)存在并發(fā)癥等問題，不適合常規(guī)體檢，而且在基層醫(yī)院推廣相對困難[1]。相比之下，冠狀動(dòng)脈CT血管成像(coronary computed tomography angiography,CCTA)的診斷方法安全可靠無創(chuàng)，不但能準(zhǔn)確觀察病變管腔狹窄的程度，還能對斑塊性質(zhì)進(jìn)行準(zhǔn)確評估，已在臨床廣泛應(yīng)用[2]。然而，CCTA診斷冠心病依賴于醫(yī)生對掃描圖像的后處理，需要大量的醫(yī)療資源和人力資源的支持。近年來，大數(shù)據(jù)和人工智能等前沿技術(shù)在逐漸應(yīng)用到醫(yī)療領(lǐng)域[3]，而隨著深度學(xué)習(xí)的興起，醫(yī)療輔助診斷領(lǐng)域也開始與這門技術(shù)結(jié)合，將人工智能應(yīng)用于CCTA冠心病診斷中，對于緩解醫(yī)療資源緊張具有重大現(xiàn)實(shí)意義。

材料與方法

1.一般資料

選取本院2018年3-8月臨床疑診冠心病患者50例，其中男21例，女29例，年齡33 76歲，平均(58.3±8.9)歲，平均BMI為(23.9±2.9) kg/m2(表1)。納入標(biāo)準(zhǔn)：患者均為自由心率，心律變異相≤5次/分；排除標(biāo)準(zhǔn)：嚴(yán)重心律不齊，檢查時(shí)不能配合者，碘劑過敏患者。

表1 AI與醫(yī)生對患者冠心病總體診斷結(jié)果的比較

注：χ2值=0.091，P=0.763。

2.檢查方法

向患者介紹及解釋冠狀動(dòng)脈CTA檢查的過程，緩解患者壓力，詢問碘過敏史，并行對比劑過敏皮試，研究對象右側(cè)肘前靜脈預(yù)埋18號留置針，預(yù)推10～20 mL生理鹽水保證置管通暢。讓患者平臥于雙源CT(Somatom Definition,Germany,Siemens)檢查床，留置針接通雙筒高壓注射器(MALLINCKRODT，USA)，再次預(yù)推10～20 mL生理鹽水保證通暢，并告知研究對象推藥過程中一過性發(fā)熱等情況，對其進(jìn)行嚴(yán)格的屏氣呼吸訓(xùn)練，患者雙側(cè)鎖骨上及肋弓下粘貼電極，正確連接到心電監(jiān)護(hù)儀檢測心率，觀察到穩(wěn)定的心電圖后，定位，準(zhǔn)備開始掃描。先行定位相掃描確定掃描范圍(氣管隆突下至心臟膈面)，再行增強(qiáng)掃描，選用非離子型對比劑碘(370 mg I/mL，Bayer Schering Pharma，Germany)60～70 mL，生理鹽水30 mL，流率5.0～5.5 mL/s；選用對比劑示蹤法選擇主動(dòng)脈根部感興趣區(qū)(ROI)監(jiān)測CT值(觸發(fā)掃描CT值設(shè)為100 HU)，延遲8 s，采用回顧性心電門控法進(jìn)行掃描，掃描參數(shù)：管電壓100 kV，管電流280 mAs，層厚0.75 cm，總掃描時(shí)間約4.0 s。

3.圖像處理和分析

對最佳收縮期、舒張期獲取的圖像結(jié)果與數(shù)據(jù)，上傳至Sigovia工作站，借助冠狀動(dòng)脈分析軟件對圖像進(jìn)行處理，包括最大密度投影、曲面重建和容積再現(xiàn)，以顯示冠狀動(dòng)脈各節(jié)段，分析有無斑塊及狹窄，由冠心病智能輔助診斷工作站(已經(jīng)過>2000例高質(zhì)量CCTA的數(shù)據(jù)訓(xùn)練學(xué)習(xí))從Sigovia工作站中調(diào)取圖像信息，自動(dòng)識別CCTA圖像中的血管和病變生成報(bào)告，根據(jù)標(biāo)準(zhǔn)投照角度自動(dòng)排版出片(圖1)。參照美國心臟病協(xié)會(huì)關(guān)于冠心病分段法標(biāo)準(zhǔn)判斷右冠狀動(dòng)脈(RCA)、左前降支(LAD)和回旋支(LCX)是否存在狹窄、狹窄部位、狹窄程度以及斑塊性質(zhì)(鈣化斑塊、非鈣化斑塊和混合斑塊)。管腔狹窄的計(jì)算參照Austen等[4]的研究，以鄰近狹窄處正常冠狀動(dòng)脈內(nèi)徑為參照。狹窄程度的判斷分級按照CAD-RADS的參考[5]分無狹窄、輕微狹窄(0%～25%)、輕度狹窄(25%～50%)、中度狹窄(50%～75%)、重度狹窄(>75%)和閉塞。所有圖像由1名>5年CCTA工作經(jīng)驗(yàn)的主治醫(yī)師來分析評價(jià)，并由1名>10年CCTA工作經(jīng)驗(yàn)的副主任醫(yī)師進(jìn)行分析審核。

4.統(tǒng)計(jì)學(xué)分析

結(jié) 果

1.AI冠脈圖像后處理和冠心病診斷的評價(jià)

基于AI的CCTA的圖像能清晰的顯示患者冠脈主干及主要分支血管，高年資醫(yī)生平均后處理時(shí)間約6 min，AI后處理圖像所需時(shí)間平均約10 s(圖2、3)。在冠心病的診斷中，與常規(guī)高年資醫(yī)生相比，AI對冠心病診斷的陽性預(yù)測值為80%(24/30)，陰性預(yù)測值為70%(14/20)，敏感度為80%(24/30)，特異度為70%(14/20)。兩者對冠心病總體診斷的差異無統(tǒng)計(jì)學(xué)意義(表2)。

圖1 冠心病智能輔助診斷工作站CCTA后處理流程圖

圖2 Sigovia工作站冠脈軟件后處理圖。a) 冠脈VR圖；b) LAD。 圖3 相同患者AI自動(dòng)識別和分割后處理圖。a) 冠脈VR圖；b) LAD。

AIRCA醫(yī)生病變無病變總計(jì)LAD醫(yī)生病變無病變總計(jì)LCX醫(yī)生病變無病變總計(jì)病變9730185237613無病變430206212723537總計(jì)3020-2426-941χ2值0.4370.040.932P0.5090.8410.334

2.AI冠脈病變定位的評價(jià)

在冠脈病變定位的診斷中，與高年資醫(yī)生相比，AI對冠脈病變定位的識別總體陽性預(yù)測值，陰性預(yù)測值，敏感度和特異度分別為65.38%(34/52)，87.76%(86/98)，73.91%(34/46)，82.69%(86/104)。AI對冠脈病變3大支中病變定位的識別敏感度和特異度分別為69.23%(9/13)和81.08%(30/37)；75%(18/24)和80.77%(21/26)；77.78%(7/9)和85.37%(35/41)。兩者對冠心病患者冠脈定位診斷的差異無統(tǒng)計(jì)學(xué)意義(表2)。

3.AI冠脈斑塊性質(zhì)的評價(jià)

對于冠脈病變斑塊性質(zhì)的診斷，相比高年資醫(yī)生，AI對冠脈病變斑塊性質(zhì)的識別總體陽性預(yù)測值，陰性預(yù)測值，敏感度和特異度分別為56.82%(25/44)，80.19%(85/106)，54.35%(25/46)，81.73%(85/104)。

4. AI冠脈管腔狹窄程度的評價(jià)

在冠脈病變管腔狹窄程度的診斷中， AI和高年資醫(yī)生對冠脈狹窄的總檢出率分別為30.67%、32%；二者對3大支(RCA、LAD、LCX)的檢出率分別為26%，48%，18%；30%，44%，22%，兩者間差異均無統(tǒng)計(jì)學(xué)意義(表3)。與高年資醫(yī)生相比，AI對冠脈病變管腔狹窄程度識別的總體陽性預(yù)測值，陰性預(yù)測值，敏感度和特異度分別為58.33%(28/48)，82.35%(84/102)，60.87%(28/46)和80.77%(84/104)。

表3 AI與醫(yī)生對各冠脈狹窄檢出率

討 論

心血管疾病是近年來威脅大眾生命健康的主要疾病之一，在中老年人群中發(fā)病率極高，目前有年輕化的趨勢，由于冠心病的發(fā)病原因主要表現(xiàn)為冠狀動(dòng)脈的狹窄，所以及早的發(fā)現(xiàn)狹窄，精準(zhǔn)的定位，以及對斑塊性質(zhì)的準(zhǔn)確判斷是臨床醫(yī)師為患者給予針對性治療的前提。雙源CCTA圖像的真實(shí)性較高，不斷可以清晰地反應(yīng)冠脈血管數(shù)量和分段解剖結(jié)構(gòu)，而且能提供較清晰的血管和組織的對比度，診斷精確性較高[6]。

隨著醫(yī)療影像數(shù)據(jù)的不斷增長、計(jì)算機(jī)硬件計(jì)算能力的提高、神經(jīng)網(wǎng)絡(luò)算法的進(jìn)一步革新以及影像工作量的劇增驅(qū)動(dòng)了人工智能在影像診斷領(lǐng)域的應(yīng)用。目前，基于深度學(xué)習(xí)的AI的醫(yī)學(xué)影像的研究應(yīng)用呈不斷增長趨勢，涉及X線、CT、MRI、超聲、PET和病理等多種醫(yī)療影像，AI輔助診斷所涉及的疾病種類也逐漸擴(kuò)大[7-12]。AI在冠心病影像領(lǐng)域的研究也逐漸增多[10-12]。Arsanjani等[10]通過研究機(jī)器學(xué)習(xí)方法從SPECT心肌灌注圖像中提取特征，對疑似冠心病患者的血運(yùn)重建進(jìn)行預(yù)測，其敏感度和特異度分別為73.6%和74.7%。Motwani等[11]通過機(jī)器學(xué)習(xí)方法預(yù)測疑似冠心病5年全因死亡情況的準(zhǔn)確性明顯高于臨床或者單獨(dú)CCTA預(yù)測指標(biāo)。一項(xiàng)超聲影像的多中心臨床研究表明超聲心動(dòng)圖圖像的全自動(dòng)分析能快速和重復(fù)的評估左心室射血分?jǐn)?shù)和縱向應(yīng)變[12]。

我國在冠心病識別模型、多參數(shù)智能診斷的研究較早[13-15]，近年來基于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的算法和硬件支持的快速發(fā)展，使得智能診斷進(jìn)一步興起。本研究的方法是基于卷積神經(jīng)網(wǎng)絡(luò)，與其他圖像分類算法相比的主要優(yōu)點(diǎn)是使用非常少的預(yù)處理[16]。在圖像分割中使用的是基于區(qū)域配準(zhǔn)的算法，通常在肺結(jié)節(jié)和腫瘤領(lǐng)域應(yīng)用的是基于特征配準(zhǔn)的方法，需要檢測匹配不同特征，如邊緣、點(diǎn)、曲面等，由于冠狀動(dòng)脈的連續(xù)性，需要識別連續(xù)區(qū)域，因此應(yīng)用了基于區(qū)域配準(zhǔn)的算法[16]。本研究經(jīng)過AI自動(dòng)識別50例CCTA圖像并得到后處理的圖像，能較好的顯示冠脈主干及各分支血管，并能較準(zhǔn)確的顯示病變部位，而且能明顯減少醫(yī)生后處理時(shí)間。本研究表明基于AI的CCTA診斷冠心病的敏感度為80%，特異度為70%。Kang等[17]基于深度學(xué)習(xí)的算法，在CCTA圖像上診斷冠心病患者冠脈阻塞性病變和非阻塞性病變的敏感性和特異性分別為93%，95%。我們的研究與Kang的差別的原因可能是本研究的AI訓(xùn)練程度還不夠高。Takx等[18]的研究表明與標(biāo)準(zhǔn)方法相比，應(yīng)用基于機(jī)器學(xué)習(xí)的監(jiān)督分類自動(dòng)評估鈣化積分有較好的可靠性和一致性。AI與醫(yī)生對各冠脈狹窄檢出率的差別，分析可能原因是AI深度學(xué)習(xí)的數(shù)據(jù)來自多家醫(yī)院的多個(gè)醫(yī)師處理的數(shù)據(jù)，而我們挑選的醫(yī)師與AI學(xué)習(xí)的數(shù)據(jù)庫仍有不同，后期需要進(jìn)一步增大AI學(xué)習(xí)數(shù)據(jù)庫，并進(jìn)行多中心的不同醫(yī)師的驗(yàn)證。目前基于AI的冠心病的研究已從結(jié)構(gòu)評價(jià)向功能及預(yù)后評估的研究發(fā)展[19,20]，并且已經(jīng)取得了一定效果。本研究后續(xù)的基于AI的心功能分析，冠脈血流儲備分?jǐn)?shù)(FFR)分析，管腔內(nèi)密度衰減梯度(TAG)以及校正的管腔內(nèi)對比度衰減梯度(CCO)分析正在進(jìn)一步研究中，隨著訓(xùn)練集不斷擴(kuò)大，學(xué)習(xí)病例質(zhì)量的不斷提高，以及多中心的開展，相信基于AI的CCTA冠心病結(jié)構(gòu)和功能的診斷效能會(huì)得到進(jìn)一步提升。

本研究顯示AI診斷冠心病的敏感度和特異度低于報(bào)道的AI肺結(jié)節(jié)篩查及腫瘤診斷價(jià)值，其一可能由于AI訓(xùn)練集的數(shù)據(jù)來自多個(gè)中心的不同設(shè)備的數(shù)據(jù)。本研究結(jié)果的驗(yàn)證集主要來自我院50個(gè)患者的數(shù)據(jù)，訓(xùn)練和驗(yàn)證的數(shù)據(jù)量還不夠大；其次，多中心的數(shù)據(jù)學(xué)習(xí)，單中心的驗(yàn)證也會(huì)產(chǎn)生一定的偏差。

本研究樣本量尚較小，尚需要進(jìn)一步進(jìn)行前瞻性、大樣本量、多中心的隨機(jī)對照臨床研究，對此系統(tǒng)進(jìn)行更深入的系統(tǒng)驗(yàn)證和優(yōu)化，以評估其臨床應(yīng)用價(jià)值。