積極推進(jìn)人工智能心血管CT 成像的研發(fā)和應(yīng)用

唐春香 張龍江

近年來，無創(chuàng)性心血管成像技術(shù)迅猛發(fā)展并在臨床獲得廣泛應(yīng)用。冠狀動(dòng)脈CT 血管成像（coronary CT angiography，CCTA）已經(jīng)發(fā)展成為心血管病病人的首選檢查方法。據(jù)統(tǒng)計(jì)，2017 年我國CCTA 檢查量已超過460 萬例并有持續(xù)升高的趨勢(shì)[1]。隨著CT 技術(shù)的快速發(fā)展，薄層各向同性數(shù)據(jù)成為常規(guī)存儲(chǔ)和應(yīng)用要求，一次CCTA 檢查至少生成200 張影像，因此產(chǎn)生了海量的影像數(shù)據(jù)，大大增加了人工影像后處理和診斷的工作負(fù)荷[1]。然而，近年發(fā)展起來的人工智能（artificial intelligence，AI）技術(shù)在醫(yī)學(xué)影像領(lǐng)域產(chǎn)生了重要影響，特別是AI在該領(lǐng)域的應(yīng)用貫穿于心血管CT 成像全流程。AI不僅可以優(yōu)化工作流程，而且有助于提升醫(yī)師閱片效率和質(zhì)量[2]。因此，合理應(yīng)用AI 能縮短影像采集時(shí)間，提高診斷準(zhǔn)確性，尤其在心血管疾病預(yù)后和危險(xiǎn)分層中有望發(fā)揮更大的作用。

利用AI 可以減少心血管CT 影像重建及圖像分割時(shí)間，提高影像質(zhì)量。影像質(zhì)控是檢查所有采集的影像是否符合進(jìn)一步處理或分析的必要條件。目前已有多項(xiàng)研究致力于應(yīng)用AI 改進(jìn)心血管CT的影像重建，優(yōu)化影像質(zhì)控流程，并應(yīng)用于圖像分割與計(jì)算。一種基于三維CT 數(shù)據(jù)補(bǔ)丁深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法，在減少輻射劑量同時(shí)可明顯縮短影像處理時(shí)間[3]；基于深度學(xué)習(xí)算法的迭代重建技術(shù)也減少了影像重建時(shí)間[4]。Shan 等[5]設(shè)計(jì)了一個(gè)模塊化的神經(jīng)網(wǎng)絡(luò)用于重建低劑量CT 影像，并證實(shí)AI 方法在噪聲抑制和結(jié)構(gòu)保真度方面表現(xiàn)更好，且速度更快。深度學(xué)習(xí)方法還可用于識(shí)別和量化冠狀動(dòng)脈運(yùn)動(dòng)偽影對(duì)CCTA 影像診斷可靠性和影像質(zhì)量的影響，進(jìn)而改善影像質(zhì)量[6]。另外，AI算法可以全自動(dòng)分割CCTA 上的非鈣化斑塊和鈣化斑塊，以及心外膜脂肪組織，與醫(yī)師手動(dòng)分割的結(jié)果無顯著差異且有良好的相關(guān)性[7-8]。

基于AI 還可實(shí)現(xiàn)自動(dòng)化診斷及結(jié)構(gòu)化報(bào)告，且不受影像復(fù)雜性和閱片數(shù)量增加的影響，極大地提高了診斷效率。Muscogiuri 等[9]證實(shí)AI 可以在1.4 min 內(nèi)區(qū)分冠狀動(dòng)脈疾病報(bào)告和數(shù)據(jù)系統(tǒng)（coronary artery disease-reporting and data system，CAD-RADS）0 級(jí)與高于0 級(jí)的病人，確定是否患有冠狀動(dòng)脈疾病。如何能自動(dòng)區(qū)分不同級(jí)別的CADRADS 仍然存在挑戰(zhàn)，因此在未來進(jìn)一步優(yōu)化報(bào)告精細(xì)程度方面還需要進(jìn)一步提升。

AI 在心血管病預(yù)防、預(yù)后評(píng)估及危險(xiǎn)分層方面也展現(xiàn)了較好的價(jià)值。最近的一些研究關(guān)注了AI在冠狀動(dòng)脈鈣化積分中的應(yīng)用，包括冠狀動(dòng)脈鈣化積分自動(dòng)化計(jì)算系統(tǒng)的開發(fā)和驗(yàn)證、非門控胸部CT鈣化積分自動(dòng)化檢測(cè)的驗(yàn)證及預(yù)后價(jià)值，體現(xiàn)了很好的應(yīng)用前景[10-11]。AI 還可用于評(píng)價(jià)冠狀動(dòng)脈狹窄的血流動(dòng)力學(xué)意義。相比常規(guī)通過CCTA 對(duì)冠狀動(dòng)脈特異性缺血病變的診斷，由機(jī)器學(xué)習(xí)算法計(jì)算得出的CT 血流儲(chǔ)備分?jǐn)?shù)提高了這一性能。此外，很多研究還利用機(jī)器學(xué)習(xí)算法構(gòu)建疾病結(jié)局的預(yù)測(cè)模型。相比于傳統(tǒng)風(fēng)險(xiǎn)評(píng)估方法，AI 技術(shù)擁有更好的特征篩選及融合能力，因而風(fēng)險(xiǎn)評(píng)估能力更強(qiáng)，例如基于隨機(jī)森林構(gòu)建的機(jī)器學(xué)習(xí)模型具有較好的心血管疾病不良事件預(yù)測(cè)能力[12]。

此外，基于影像組學(xué)的研究近些年來也在廣泛展開。相比于傳統(tǒng)臨床及影像特征，影像組學(xué)特征能提供更多肉眼看不到的細(xì)微信息，如在心血管CT的應(yīng)用主要集中于心肌組織、斑塊特征及冠狀動(dòng)脈周圍脂肪的分析。心肌影像組學(xué)紋理特征可以提示心肌瘢痕或者心肌梗死[13]；斑塊影像組學(xué)特征有助于更精準(zhǔn)地識(shí)別高危斑塊特征[14]。目前正在開發(fā)新的應(yīng)用程序自動(dòng)檢測(cè)及分割血管周圍脂肪，通過特征提取可縮短計(jì)算時(shí)間至5 min。

本期專題特別報(bào)道了人工智能心血管CT 影像在心血管病診療及風(fēng)險(xiǎn)預(yù)測(cè)中的價(jià)值。例如劉等[15]的研究證實(shí)利用AI 輔助的CCTA 診斷阻塞性冠狀動(dòng)脈狹窄具有較好的診斷效能，且可縮短影像后處理時(shí)間，有望成為冠心病有效的輔助診斷工具。徐[16]、尚等[17]的研究發(fā)現(xiàn)，冠狀動(dòng)脈周圍脂肪影像組學(xué)特征對(duì)冠狀動(dòng)脈狹窄血流動(dòng)力學(xué)嚴(yán)重程度及急性冠狀動(dòng)脈綜合征的預(yù)測(cè)價(jià)值優(yōu)于傳統(tǒng)統(tǒng)計(jì)學(xué)方法及傳統(tǒng)影像特征。張等[18]利用中國多中心FFRCT研究數(shù)據(jù)發(fā)現(xiàn)，基于機(jī)器學(xué)習(xí)算法能夠很好地預(yù)測(cè)冠狀動(dòng)脈特異性狹窄病變引起的心肌缺血，F(xiàn)FRCT、ΔFFRCT、脂質(zhì)斑塊體積及其百分比、纖維斑塊體積、非鈣化斑塊體積、狹窄程度以及斑塊復(fù)雜形態(tài)特征是影響缺血特異性狹窄的主要因素。趙等[19]利用深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)分割法自動(dòng)生成左心室心肌模型分析了動(dòng)態(tài)CT 心肌灌注成像的可行性及對(duì)血流動(dòng)力學(xué)顯著狹窄病變的診斷價(jià)值，并認(rèn)為動(dòng)態(tài)心肌灌注CT 的自動(dòng)化分析穩(wěn)定、結(jié)果準(zhǔn)確，且操作簡(jiǎn)便，具有較好的臨床應(yīng)用推廣價(jià)值。郭等[20]、陳等[21]則詳細(xì)綜述了AI 和影像組學(xué)在心血管CT 的應(yīng)用。這期重點(diǎn)號(hào)基本反映了當(dāng)前我國心血管CT 影像工作者積極探索AI 在心血管CT 影像領(lǐng)域研究?jī)r(jià)值的成果，對(duì)加快其臨床轉(zhuǎn)化的進(jìn)程有較好的推動(dòng)作用。

雖然AI 技術(shù)在心血管影像的應(yīng)用與研究還處于初級(jí)階段，但隨著心血管影像數(shù)據(jù)規(guī)范程度的提高，各醫(yī)療機(jī)構(gòu)的數(shù)據(jù)質(zhì)量偏差會(huì)逐漸縮小，泛化性也將更強(qiáng)，因此AI 技術(shù)在心血管影像領(lǐng)域的應(yīng)用會(huì)更廣泛。弄潮兒向濤頭立，讓我們站在人工智能心血管影像的浪潮之尖，上下求索，積極推進(jìn)我國人工智能心血管影像的創(chuàng)新研發(fā)和轉(zhuǎn)化應(yīng)用，為實(shí)現(xiàn)健康中國的國家戰(zhàn)略貢獻(xiàn)力量。