基于人工智能的冠状动脉CT 血管成像检测阻塞性冠状动脉狭窄效能的研究

刘春雨 谢媛 苏晓芹 杨振悦 陈随 周长圣 李建华 徐峰

阻塞性冠状动脉疾病（coronary artery disease，CAD）是全球人口死亡的主要原因[1-2]。早期筛查和诊断阻塞性CAD 对于病人后续治疗及预后具有重要价值。冠状动脉CT 血管成像（coronary CT angiography，CCTA）在排除冠状动脉狭窄及风险预测方面有很好的性能，且快速、无创，已成为首选的检查方法[3-4]。然而，常规CCTA 的图像后处理工作量大、过程繁琐、耗时久，而且医师主要通过目测对血管狭窄程度进行判断，因此诊断经验不足的低年资医师对此容易出现诊断错误。近年来，人工智能（artificial intelligence，AI）技术已成功应用于影像学领域[5-6]，它提供了一种自动化医学影像分析与诊断方法，可以提高医师的工作效率。在诊断冠状动脉狭窄方面，已有研究表明AI 可以在较短时间内对CCTA 数据进行图像后处理和狭窄的自动化检测，诊断性能近似于人工分析，且时间效率明显提高[7-9]。但是，目前关于AI 与不同年资医师、AI+不同年资医师对于冠状动脉狭窄的诊断效能比较的研究还较少；此外，钙化对AI 软件诊断准确性是否有影响也有待研究。因此，本研究以有创冠状动脉造影（invasive coronary angiography，ICA）为诊断金标准，探究以AI 为基础的CCTA 诊断阻塞性冠状动脉狭窄的效能，并将AI 与不同年资医师诊断的性能进行对比分析，以进一步验证AI 软件辅助诊断阻塞性冠状动脉狭窄的诊断水平。

1 资料与方法

1.1 一般资料 回顾性纳入2018 年1—7 月在中国人民解放军东部战区总医院行CCTA 和ICA 检查的50 例怀疑有冠状动脉疾病的病人，其中男34例，女 16 例，年龄 20~90 岁，平均（61.8±8.5）岁。……