人工智能輔助冠狀動脈CT血管成像處理系統對臨床工作效率影響的研究*

施麗萍 張亞平 唐倩韻 解學乾

患者因胸前區疼痛、胸悶等不適癥狀就診[1]，冠脈CT 血管成像（CTA）檢查可診斷是否患冠心病[2]。冠脈CTA 檢查具有診斷準確率高、安全性好、價格低廉等優點[3]。冠脈CTA 檢查后需要進行人工圖像重建，圖像處理流程繁瑣復雜，每個病例需要大量的操作，診斷及報告獲取時間往往比普通CT檢查更長。隨著冠脈CTA 檢查在冠心病篩查中越來越多地應用，患者數量的增加導致工作量增大，加之圖像觀察的主觀因素影響較大，可能會降低診斷的準確性和可重復性[4-5]。因此，迫切需要新的技術來促進冠脈CTA 檢查的臨床應用。人工智能（AI）是以計算機科學為基礎的一門新的技術科學[6-7]。隨著AI 技術的不斷發展，能夠對冠脈的圖像進行智能處理，實現自動化的冠脈CTA 圖像重建和輔助診斷[8]。目前，筆者應用了一套新的AI 系統，可以自動分割冠狀動脈圖像，提取中心線并生成滿足多種后處理要求的冠脈CTA 圖像，并且可以實現狹窄位置的自動檢測和測量，最終生成結構化或自由文本報告。本研究通過比較AI 冠脈CTA 重建和傳統流程的工作效率，來探討AI 系統對臨床工作效率的促進。現報道如下。

1 資料與方法

1.1 一般資料 收集上海交通大學醫學院附屬第一人民醫院北院（虹口區）（醫院1）和南院（松江區）（醫院2）2017-2019 年的冠脈CTA 檢查工作量和工作效率數據。納入標準：（1）有明確冠脈CTA指征；（2）于2017 年1 月-2019 年12 月做了冠脈CTA 檢查。排除標準：（1）碘對比劑過敏；（2）有心臟或呼吸運動偽影，圖像質量不佳。這2 家醫院2017 年和2018 年使用傳統工作站進行冠脈CTA 重建，2019 年使用AI 技術進行冠脈CTA 重建。

1.2 方法 冠脈CTA 的圖像重建。每個冠脈CTA病例會得到約300 張橫截面圖像，需要對這些圖像進行三維重建，才能形成完整的冠狀動脈立體結構。根據國際心血管CT 學會指南應用多種后處理方法多角度全面觀察冠狀動脈的血管腔、管壁和粥樣斑塊情況[9]。（1）傳統冠脈CTA 的后處理技術。2017 年和2018 年，按照傳統圖像重建方法，醫生完成的步驟如下：①根據國際心血管CT 學會指南重建冠脈CTA 圖像，生成每個冠脈分支血管的容積渲染、最大密度投影、多平面重建和曲面重建圖像；②標記冠脈主要分支；③測量冠脈主要分支及狹窄；④傳輸到圖像存儲和傳輸系統；⑤最后進入診斷環節，閱讀圖像信息并書寫報告。（2）冠脈CTA 人工智能輔助診斷系統。2019 年應用AI 軟件（CoronaryDoc，數坤科技），操作步驟如下：①導入患者圖像資料，軟件自動重建出圖像，自動標記血管名稱；②點擊繼續診斷，軟件自動計算有無斑塊，判別斑塊性質、血管有無狹窄及狹窄程度分級；③醫生判斷AI 處理后的圖像質量是否合格；④醫生根據AI 的評估書寫報告。

1.3 觀察指標（1）總工作量，即每年冠脈CTA檢查的患者例數；（2）人均月工作量，即每人每月完成的檢查情況；（3）檢查等候時間，即預約與冠脈CTA 檢查之間患者的等待時間；（4）報告出具等候時間，即從獲取圖像到完成診斷報告的時間。

1.4 統計學處理 應用SPSS 20.0 軟件對所得數據進行統計分析，計數資料用率（%）表示；計量資料用（）表示，比較應用t 檢驗。以P＜0.05 為差異有統計學意義。

2 結果

2.1 應用AI 前后的總工作量 在應用AI 的2019 年，這2 家醫院共做了15 032 例冠脈CTA 檢查，較2017 年的11 694 例增加28.5%，較2018 年的12 591 例增加19.4%；在未應用AI 重建時，2018 年比2017 年增長7.7%。見表1。

表1 應用AI前后的總工作量（例）

2.2 應用AI 前后的人均月工作量比較 在2017-2019 年，醫院1 工作人員3 名，醫院2 工作人員2 名從事冠脈CTA 重建。按每例患者一份冠脈CTA資料計算。應用AI 的2019 年，2 家醫院總體的冠脈CTA 檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應用AI 時，2 家醫院2017 年和2018 年總體的人均月工作量比較，差異無統計學意義（P=0.233）。2019 年，醫院1 的冠脈CTA 檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應用AI 時，醫院1 在2017 年和2018 年的人均月工作量比較，差異無統計學意義（P=0.329）。2019 年，醫院2 的冠脈CTA檢查的人均月工作量較2017 年和2018 年顯著增加（P＜0.001）；在未應用AI 時，醫院2 在2017 年和2018 年的人均月工作量比較，差異無統計學意義（P=0.106）。見表2。

表2 應用AI前后的人均月工作量比較[份/月，（）]

表2 應用AI前后的人均月工作量比較[份/月，（）]

*與2019 年比較，P＜0.001。

2.3 應用AI 前后的檢查等候時間比較 應用AI 的2019 年，2 家醫院總體的冠脈CTA 檢查等候時間顯著短于2017 年和2018 年（P＜0.001）。在未應用AI時，2 家醫院2017 年和2018 年總體的檢查等候時間比較，差異無統計學意義（P=0.567）。2019 年，醫院1 的檢查等候時間顯著短于2017 年和2018 年（P＜0.001）；醫院1 在2017 年和2018 年的檢查等候時間比較，差異無統計學意義（P=0.301）。2019年，醫院2 的檢查等候時間顯著短于2017 年和2018 年（P＜0.001）；醫院2 在2017 年和2018 年的檢查等候時間比較，差異無統計學意義（P=0.458）。見表3。

表3 應用AI前后的檢查等候時間比較[h，（）]

*與2019 年比較，P＜0.001。

2.4 應用AI 前后的報告出具等候時間比較 應用AI 的2019 年，2 家醫院總體的報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；在未使用AI 時，2 家醫院2017 年和2018 年總體的報告出具等候時間比較，差異無統計學意義（P=0.377）。在2019 年，醫院1 患者報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；醫院1 在2017 年和2018 年患者報告出具等候時間比較，差異無統計學意義（P=0.301）。在2019 年，醫院2 患者報告出具等候時間顯著短于2017 年和2018 年（P＜0.001）；醫院1 在2017 年和2018 年患者報告出具等候時間比較，差異無統計學意義（P=0.458）。見表4。

表4 應用AI前后的報告出具等候時間比較[h，（）]

表4 應用AI前后的報告出具等候時間比較[h，（）]

*與2019 年比較，P＜0.001。

3 討論

冠脈CTA 人工智能輔助診斷系統通過計算機的數據運算，即時顯示每根冠脈血管的曲面圖像，對冠脈節段進行名稱標注，進行斑塊診斷和測量，幫助醫生盡快發現冠脈管腔狹窄，大幅提升冠脈CTA檢查的診斷效率和精確度[8-10]。冠脈CTA 人工智能系統的標準化使放射科醫生能夠在短時間內掌握冠脈CTA 的圖像處理，使診斷效能得到了極大提升，更有利于在基層醫院推廣冠脈CTA 的臨床應用[11-13]。

在新的AI 輔助工作模式下，重建醫師可以從繁忙的重建工作中解脫出來，同時，診斷醫師可以不再依賴重建醫師生成的有限數量的圖像，就能全面觀察AI 軟件重建的三維圖像[14-16]。從而提高重建速度和診斷效率，使患者可以更快地拿到更精準的診斷結果。

冠脈CTA 在冠心病的無創評估中起著關鍵作用。其優勢在于其高達95%～99%的陰性預測值，能有效排除梗阻性冠心病[17-19]。冠脈CTA 還可以觀察狹窄程度并定量評估動脈硬化斑塊特征，包括低密度斑塊、正性塑形作用、點狀鈣化和餐巾環征等易損斑塊標志特征，但此類評估和測量需要有經驗的觀察者進行復雜的后處理。因此，機器學習和深度學習被用于優化從冠脈CTA 中提取信息，特別是開發能夠以自動化、準確和客觀的方式執行斑塊分析的算法。Kang 等[3]利用一種結構化學習算法對42 例使用冠脈CTA 的患者數據集進行了對梗阻性和非梗阻性CAD 的自動檢測，準確率達到94%（以三位專家的視覺識別為參考標準），曲線下面積（AUC）為0.94。

關于AI 輔助系統診斷準確性已經有多項研究發表證實，冠脈AI 在狹窄程度判讀方面可以達到三甲醫院心血管診斷醫生的水平[20]。臨床的每一個方案都需要精準高效的影像診斷作為有力的技術依據。該系統投入臨床應用，實現了從智能重建、智能診斷的一體化，提高了診斷的效率和精確度。AI與醫生協同的讀片效率顯著優于單純的人力判讀，繼而也有潛力縮短患者的預約檢查時間，提升冠脈CTA 檢查的普及性。

總之，冠脈CTA 人工智能系統使放射科醫生能夠提升工作效率，縮短患者預約和等待報告的時間，有利于推廣冠脈CTA 的臨床應用。