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

摘要

目的 以有创冠状动脉造影(ICA)为参考标准,探讨人工智能(AI)辅助的冠状动脉CT血管成像(CCTA)诊断阻塞性冠状动脉狭窄的效能.方法 回顾性收集行CCTA检查并于3个月内行ICA检查的50例疑患冠状动脉疾病(CAD)的病人,男34例,女16例,平均年龄(61.8±8.5)岁.AI软件、不同年资医师(低/中/高年资)及AI+不同年资医师分别对入组病人CCTA影像进行后处理并解读.将ICA和CCTA上冠状动脉管腔狭窄≥50％定义为阻塞性冠状动脉狭窄.采用Agatston积分法测量病人的钙化积分值,并将病人分为低钙化组(钙化积分<100)和高钙化组(钙化积分≥100).采用独立样本t检验对AI、医师及AI+医师的图像后处理和解读时间进行两两比较.以ICA为参考标准,分析AI在不同研究水平和高/低钙化组的诊断价值,并比较AI、不同年资医师和AI+不同年资医师的诊断敏感度、特异度、阳性预测值、阴性预测值、准确度及受试者操作特征(ROC)曲线下面积(AUC).采用Pearson卡方检验或Fisher精确概率检验比较组间差异,采用DeLong检验比较AUC.结果 50例病人共分析195支血管424个节段.AI和AI+医师的平均后处理和解读时间均低于单独医师诊断的时间(均P<0.05),AI的时间较低/中/高年资医师分别减少了80％、76.8％和75％;AI+低/中/高年资医师较单独医师分别减少了67％、64％、57.9％.在病人、血管及节段水平,AI诊断阻塞性冠状动脉狭窄的敏感度分别为93.7％、83.1％、67.7％,特异度为50.0％、89.0％、91.0％,准确度为92％、86.7％、85.6％,阳性预测值为97.8％、83.1％、69.8％,阴性预测值为25％、89.0％、90.2％,AUC为0.87、0.89、0.83;在血管及节段水平,AI对低钙化组的特异度高于高钙化组(均P<0.05).在血管水平,AI诊断的AUC值均低于中/高年资医师(均P<0.05);其余研究水平,AI与其他不同年资医师诊断的AUC值差异均无统计学意义(均P>0.05).3种研究水平下,AI+低/中/高年资医师诊断的AUC值与单独不同年资医师诊断的AUC值差异均无统计学意义(均P>0.05).结论 AI辅助的CCTA诊断阻塞性冠状动脉狭窄具有较好的诊断效能,且明显缩短后处理时间,可能成为临床医师诊断阻塞性冠状动脉狭窄的有效辅助工具.