冠脈CTA 人工智能輔助閱片對(duì)不同年資規(guī)培醫(yī)生工作效能影響的研究

張?zhí)磔x，鐘 正，黃志峰，范偉雄（通信作者）

（梅州市人民醫(yī)院放射科 廣東 梅州 514031）

冠狀動(dòng)脈疾?。╟oronary artery disease，CAD）發(fā)病率逐年上升并已成為導(dǎo)致老年人死亡的主要疾病之一。早期無創(chuàng)診斷CAD 對(duì)于臨床早期干預(yù)及改善患者預(yù)后具有重要意義。冠脈CT 血管成像（computed tomography angiography，CTA）是目前無創(chuàng)診斷CAD 的首選影像學(xué)檢查方法，具有較高的診斷準(zhǔn)確性[1-2]。住院醫(yī)師規(guī)范化培訓(xùn)（簡稱“規(guī)培”）是培養(yǎng)高素質(zhì)放射科醫(yī)師的重要繼續(xù)教育階段，其中冠脈CTA 是該階段規(guī)培醫(yī)生必須掌握的核心內(nèi)容之一。然而，由于冠脈CTA 檢查圖像眾多，同時(shí)冠脈解剖及影像表現(xiàn)復(fù)雜，導(dǎo)致規(guī)培醫(yī)生報(bào)告書寫工作效率低下，且誤診或漏診情況時(shí)有發(fā)生。近年，人工智能在影像診斷及醫(yī)學(xué)教育中顯示出巨大的潛能，在提高規(guī)培醫(yī)生診斷準(zhǔn)確性及工作效率方面展現(xiàn)出良好的前景[3-4]。因此，本研究將探討冠脈CTA 人工智能輔助閱片對(duì)不同年資規(guī)培醫(yī)生工作效能的影響，以期為培養(yǎng)適應(yīng)“AI+”診療模式的高素質(zhì)醫(yī)師提供參考經(jīng)驗(yàn)。

1 資料與方法

1.1 一般資料

回顧性搜集2022 年6 月—7 月在梅州市人民醫(yī)院接受冠脈CTA 檢查的44 例患者，其中男性25 例，女性19例，年齡為47～83 歲，平均年齡（65.39±9.69）歲。

納入標(biāo)準(zhǔn)：①患者行冠脈CTA 及冠狀動(dòng)脈血管造影（coronary angiogram，CAG）檢查，且臨床及檢查資料完整；②在圖像儲(chǔ)存和傳輸系統(tǒng)（picture archiving and communication system，PACS）系統(tǒng)存儲(chǔ)有冠脈CTA 原始圖像，且能夠被AI 軟件處理。排除標(biāo)準(zhǔn)：①冠脈CTA圖像存在嚴(yán)重呼吸或運(yùn)動(dòng)偽影，影響診斷；②嚴(yán)重心律不齊，導(dǎo)致圖像質(zhì)量不佳；③患者既往行心臟起搏器植入術(shù)或冠脈搭橋術(shù)。

1.2 方法

檢查前指導(dǎo)患者進(jìn)行屏氣訓(xùn)練，連接心電門控。采用德國西門子雙源Force CT 進(jìn)行掃描。掃描范圍包括氣管隆突肺動(dòng)脈水平至膈下1 cm。掃描參數(shù)為：自動(dòng)管電壓，自動(dòng)管電流，心電R-R 間距30%～80%采集，重建層厚0.6 mm，間距0.3 mm。造影劑采用370 mg/mL的碘帕醇，應(yīng)用造影劑示蹤法，觸發(fā)監(jiān)測層面定位于升主動(dòng)脈，當(dāng)CT 值達(dá)100 HU 時(shí)自動(dòng)啟動(dòng)掃描。

閱片方式：招募在我院放射科輪轉(zhuǎn)的低年資（二年級(jí)）和高年資（三年級(jí)）規(guī)培醫(yī)生作為閱片者，并由同一名帶教老師進(jìn)行冠脈CTA 影像學(xué)表現(xiàn)及AI 軟件使用方法的培訓(xùn)。培訓(xùn)結(jié)束后，采用以下方法進(jìn)行閱片。①單獨(dú)閱片：規(guī)培醫(yī)生在PACS 系統(tǒng)上對(duì)冠脈CTA 圖像進(jìn)行判讀并診斷各支血管有無狹窄及記錄閱片時(shí)長。其中，血管狹窄包括輕、中、重度狹窄及閉塞；閱片時(shí)長為打開每個(gè)患者冠脈CTA 圖像到完成診斷關(guān)閉圖像的時(shí)間。②應(yīng)用AI 輔助閱片：經(jīng)過14 d 的洗脫期后，閱片者應(yīng)用冠脈CT 血管造影人工智能處理軟件（上海聯(lián)影智能公司，版本號(hào)0430）進(jìn)行圖像判讀并記錄診斷結(jié)果及閱片時(shí)長（圖1）。

圖1 冠脈CT 血管造影人工智能處理軟件

1.3 觀察指標(biāo)

以CAG 為金標(biāo)準(zhǔn)，計(jì)算不同年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片的診斷靈敏度和特異度；比較低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片的閱片時(shí)長。

1.4 統(tǒng)計(jì)學(xué)方法

采用SPSS 20.0 統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布的計(jì)量資料采用（）表示，采用t檢驗(yàn)；計(jì)數(shù)資料以頻數(shù)（n）、百分率（%）表示，采用χ2檢驗(yàn)。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料

44 例患者三大主要分支共132 支血管，以CAG 為參考金標(biāo)準(zhǔn)，其中100 支血管存在狹窄（包括40 支左冠狀動(dòng)脈前降支、28 支冠狀動(dòng)脈回旋支、32 支右冠狀動(dòng)脈），32 支血管無狹窄（包括4 支左冠狀動(dòng)脈前降支、16 支冠狀動(dòng)脈回旋支、12 支右冠狀動(dòng)脈）。

2.2 低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片診斷冠脈狹窄的效能

低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片對(duì)冠脈狹窄的診斷結(jié)果詳見表1。以CAG 診斷結(jié)果為參考標(biāo)準(zhǔn)，低、高年資規(guī)培醫(yī)生應(yīng)用AI 輔助閱片診斷冠脈狹窄的特異度高于單獨(dú)閱片，且差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05），診斷冠脈狹窄的靈敏度稍高于單獨(dú)閱片，但差異無統(tǒng)計(jì)學(xué)意義（P＞0.05），詳見表2。

表1 低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片診斷冠脈狹窄的結(jié)果 單位：支

表2 低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片診斷冠脈狹窄的效能[%（n/m）]

2.3 低、高年資規(guī)培醫(yī)生單獨(dú)閱片與AI 輔助閱片的閱片時(shí)長

低、高年資規(guī)培醫(yī)生應(yīng)用AI 輔助閱片的閱片時(shí)長均短于單獨(dú)閱片（t=11.420、6.054，P＜0.05），詳見表3。

表3 規(guī)培醫(yī)生采用單獨(dú)閱片與AI 輔助閱片的閱片時(shí)長比較（，s）

表3 規(guī)培醫(yī)生采用單獨(dú)閱片與AI 輔助閱片的閱片時(shí)長比較（，s）

3 討論

隨著我國生活水平提高及進(jìn)入老年齡化社會(huì)，CAD患病率逐年升高，對(duì)于冠脈CTA 的檢查需求越來越多。近年，隨著AI 技術(shù)在影像數(shù)據(jù)采集、圖像后處理和輔助診斷方面的不斷進(jìn)步，其在冠脈CTA 檢查中顯示出巨大的優(yōu)勢(shì)，可用于自動(dòng)識(shí)別和描述冠脈CTA 圖像中的異常，如管腔狹窄、狹窄程度及斑塊類型[5]。多項(xiàng)研究報(bào)道，冠脈CTA 人工智能在冠狀動(dòng)脈疾病診斷中具有較高的診斷準(zhǔn)確性[6-8]。然而，在以往的文獻(xiàn)報(bào)道中，大多數(shù)研究是由具有一定診斷經(jīng)驗(yàn)的放射科醫(yī)生進(jìn)行閱片獲得，而對(duì)于經(jīng)驗(yàn)較少且處在學(xué)習(xí)階段的規(guī)培醫(yī)生的應(yīng)用價(jià)值尚不清楚。因此，本研究旨在探討冠脈CTA 人工智能輔助閱片對(duì)不同年資規(guī)培醫(yī)生工作效能的影響。

Han 等[9]研究發(fā)現(xiàn)，低年資醫(yī)師（冠脈CTA 閱片經(jīng)驗(yàn)≤50 例）應(yīng)用冠脈CTA 人工智能輔助閱片診斷冠脈狹窄的敏感度獲得顯著提升，而高年資醫(yī)師（冠脈CTA 閱片經(jīng)驗(yàn)≥700 例）的診斷特異度獲得提高，提示AI 可幫助提高不同經(jīng)驗(yàn)水平醫(yī)師的診斷性能。本研究結(jié)果發(fā)現(xiàn)，低、高年資規(guī)培醫(yī)生應(yīng)用AI 輔助閱片對(duì)冠脈狹窄的診斷特異度高于單獨(dú)閱片，且差異具有統(tǒng)計(jì)學(xué)意義（P＜0.05），診斷靈敏度稍高于單獨(dú)閱片，但差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。分析原因?yàn)椋篈I 軟件不僅能夠在冠脈CTA 原始圖像及后處理圖像上自動(dòng)檢出及標(biāo)示出病變血管及狹窄程度，且允許規(guī)培醫(yī)生對(duì)圖像進(jìn)行縮放、旋轉(zhuǎn)或切換不同重建模式等操作，同時(shí)能夠生成冠脈CTA 智能化報(bào)告，從而幫助規(guī)培醫(yī)生提高診斷準(zhǔn)確性。這與馮琦等[10]報(bào)道相符，其研究發(fā)現(xiàn)應(yīng)用AI 的規(guī)培醫(yī)生在冠脈的解剖命名、斑塊的檢出及冠脈管腔狹窄程度的判定方面比未應(yīng)用AI的規(guī)培醫(yī)生表現(xiàn)更優(yōu)（P＜0.01）。

Yang 等[11]研究發(fā)現(xiàn)，使用基于深度學(xué)習(xí)的AI 軟件后，放射科醫(yī)生對(duì)冠脈CTA 的后處理及閱片報(bào)告時(shí)間從798.60 s 縮短到189.12 s（P＜0.05），使得工作效率獲得極大提升。Han 等[9]研究發(fā)現(xiàn)放射科醫(yī)生應(yīng)用AI 組和未應(yīng)用AI 組的閱片時(shí)間中位數(shù)分別為413 s 和615 s（P＜0.001）。本研究結(jié)果與上述報(bào)道相符，結(jié)果顯示低、高年資規(guī)培醫(yī)生應(yīng)用AI 輔助閱片的閱片時(shí)長顯著短于單獨(dú)閱片（P＜0.05），提示AI 可縮短規(guī)培醫(yī)生的閱片時(shí)間，提高診斷效率。

本研究存在一些局限性。第一，本研究為回顧性分析，入組的為接受冠脈CTA 及CAG 檢查的患者，可能存在一定選擇性偏倚；第二，本研究樣本量較小，僅對(duì)AI 輔助規(guī)培醫(yī)生診斷冠脈狹窄的效能進(jìn)行研究，而未對(duì)識(shí)別斑塊類型及狹窄程度的效能進(jìn)行評(píng)估，有待擴(kuò)大樣本量后進(jìn)一步研究。

綜上所述，冠脈CTA 人工智能輔助閱片能夠提升低、高年資規(guī)培醫(yī)生診斷冠脈狹窄的特異度，并顯著縮短閱片時(shí)長，提升工作效率。