基于人工智能的冠状动脉钙化积分算法在胸部CT中的应用价值及影响因素分析

摘要

目的：探讨人工智能（AI）软件在胸部平扫CT的冠状动脉钙化积分（CACS）测量中的应用价值及其影响因素。方法：回顾性纳入237例在1月内行心电门控心脏CT平扫和胸部CT的患者。CACS的获取方式不同分为4组：由低、高年资的放射科医生基于心电门控心脏CT平扫图像测量CACS，分别记为门控-L、门控-H组。采用基于AI的非门控胸部CT钙化积分软件获取CACS，记为AI组。基于胸部CT由低年资放射科医生与AI软件协同获取CACS，记作AI+L组。记录每例患者的各组CACS定量所需时间。以门控-H组CACS测量值为金标准，评估并比较各组CACS值与金标准的相关性，以及危险度分层的准确性。探讨心率及体质量指数（BMI）对AI软件测量CACS的影响。比较各种测量方法在时间上的差异。结果：AI组计算CACS所需时间较门控-H、门控-L组分别减少39%、68%(P<0.01);AI+L组计算CACS所需时间较门控-H、门控-L组分别减少15%、55%(P<0.01)。门控-L、AI、AI+L组CACS与门控-H组CACS相关性好，斯皮尔曼相关系数（r）分别为0.99、0.65、0.98(P<0.01)。AI+L组CACS危险度分层一致性优于门控-L组及AI组，Kappa系数（κ）分别为0.89、0.73、0.36(P<0.01)。AI+L组CACS危险度分层准确率显著优于其他组（92.0%,80.2%,52.3%,P<0.01）。心率≥80次/分的患者CACS易被低估；BMI对CACS测量无明显影响。结论：基于胸部平扫CT的AI与医生协同阅片模式与传统心电门控CACS定量在数值及受检者危险度分层上有较高一致性且显著缩短了CACS测量时间，适用于亚临床人群冠心病风险等级的筛查。需注意心率偏高时AI软件会对CACS危险分层产生低估。

关键词

冠状血管 / 人工智能 / 体层摄影术,X线计算机

基金资助

国家自然科学基金（82071920,82302186,82102035）