评估人工智能在CTPA肺栓塞诊断效能及肺栓塞指数中的临床应用价值

摘要

目的 验证基于CT肺血管成像(computed tomography pulmonary angiography, CTPA)的肺栓塞人工智能识别系统(PE-AI)的诊断效能及危险分层能力，分析其在实际临床工作中的诊断价值。方法 收集我院2023年1月1日至2023年10月10日疑似PE患者行CTPA检查病例416例。采用双盲法由2名低年资影像医师与PE-AI分别对收集病例进行栓子检出和诊断，并分别记录诊断时间；以3名高年资影像医师结合临床随访结局作为本研究的金标准，评价AI、人工与PE-AI的诊断效能，并绘制受试者操作曲线(receiver operating characteristic curve, ROC),使用Delong-t检验进行比较。肺栓塞确诊病例分别收集AI及人工计算的肺栓塞指数(pulmonary artery obstruction index, PAOI),并进行一致性分析。结果 PE-AI、人工及联合诊断的曲线下面积AUC(area under curve, AUC)分别为85.6%、90.8%和95.1%,三组AUC之间差异具有统计学意义(P<0.05);PE-AI的读片时间[(0.16±0.07)min]明显低于人工[(4.42±1.85)min,P<0.001]及联合诊断[(4.58±1.84)min,P<0.001]。肺动脉栓塞确诊病例亚组分析中，PE-AI与人工测得的PAOI具有较高的一致性(intraclass correlation efficient, ICC=0.80)。结论 AI可以在短时间内快速识别肺动脉栓子，辅助放射科医师提高诊断效率；同时通过对肺动脉PAOI的智能检测，有助于肺栓塞患者的危险分层，优化诊疗流程。

关键词

肺动脉栓塞 / CT肺血管成像 / 人工智能 / 肺栓塞指数(PAOI)

基金资助

国家自然科学基金项目(No.12226007)