AI模型助力精準診斷冠心病

近日，由上海市第一人民醫院與聯影智能的一項研究開發并驗證一款可自動量化心肌血流狀況的CT心肌灌注成像深度學習模型，輔助醫生準確診斷患者心肌缺血程度，其衍生的缺血心肌體積百分比指數可作為預測不良心血管事件（以下簡稱MACE）發生概率的重要參考，能幫助醫生預判患者發病幾率，進而制定個性化治療方案。相關論文發表于Radiology。

論文截圖

據《中國心血管健康與疾病報告2024》顯示，我國冠心病患者高達1139萬人。作為常見且嚴重的心血管疾病之一，冠心病發病成因是患者血管動脈粥樣硬化，使心臟血管變窄或堵塞，導致心肌缺血，進而引發心絞痛、心肌梗死等病癥，若搶救不及時將會危及生命。因此，在冠心病診斷過程中，精確評估血管狀況和心肌缺血程度尤為重要。

AI賦能冠心病高效精準診斷

目前，在臨床中較多采用冠脈CT血管成像（以下簡稱冠脈CTA）作為評估冠脈疾病的無創性方法，可清晰顯示冠狀動脈形態，判斷血管狹窄、堵塞情況，但該檢查方法無法直接評估心肌是否缺血及缺血程度，診斷結果較為依賴醫生個人經驗，易出現錯診、誤診等情況，導致錯過最佳的冠心病治療時機，嚴重時甚至攸關生死。

“這就好比能看到道路（血管）有沒有堵塞，但不知道因為道路擁堵，道路兩側居民的出行究竟受到了多大影響，是稍有延遲，還是完全無法出門（心肌狀態）。”論文通訊作者、上海市第一人民醫院放射科主任張佳胤表示。

在《中華放射學雜志》發布的《CT心肌灌注中國專家共識》中提出，CTP（CT灌注）臨床價值在于評估冠心病患者心肌是否存在缺血或者在梗死心肌周圍尋找存活心肌。作為非侵入性診斷方法，CTP具有成像時間短、結果報告快等優勢，能夠在一次檢查中同時獲得冠脈血管形態學數據和心臟功能學數據，為重度鈣化和支架術后患者的心肌缺血評估提供一項全新檢查途徑。

為此，張佳胤團隊與聯影智能深度合作，以多中心驗證的形式開發一種自動量化動態CT心肌灌注成像的AI模型。

具體而言，研究團隊從3家醫院挑選患者組成3個隊列。隊列1患者數據將用于開發和驗證深度學習模型（以下簡稱DL-model），通過對大量影像數據的學習訓練，讓模型學會分割心臟結構、校正圖像運動偏差，進而計算心肌血流量（以下簡稱MBF）和缺血心肌體積（以下簡稱IMV）等數值；隊列2選取同時接受動態CT心肌灌注成像、冠狀動脈CT血管造影和侵入性FFR檢測的患者，以評估DL-model模型檢測心肌缺血的準確性；隊列3則納入隨訪2年的患者，用以探究DL-model模型計算的IMV數值對主要不良心血管事件的預測價值。

經過數據驗證，DL-model模型能夠自動、準確地量化心肌血流量和缺血心肌體積百分比，能夠準確預測缺血心肌，實現血管層面AUC=0.97，病人層面AUC=0.96（AUC值越大代表模型性能越好），并且無需復雜的手動操作，顯著縮短圖像后處理時間，從傳統手動處理時間7-9分鐘減少到88秒左右，極大提高臨床工作效率，使患者能夠更快得到精準化診斷結果，并為后續治療提供相關參考。

提前預判冠心病發病風險

值得一提的是，研究團隊還發現缺血心肌體積百分比指數與MACE之間的緊密聯系，在預測冠心病患者發病幾率時，為醫生提供極具價值的量化指標。

“我們發現9.1%是缺血心肌體積百分比指數的最佳臨界值。以此為界，可清晰區分冠心病患者的風險等級。當患者該指數高于9.1%時，MACE發生率更高，低于9.1%則患者風險相對較低，這有助于醫生合理分配醫療資源，制定個性化診療方案。”張佳胤表示，相較傳統臨床特征和影像學參數，加入缺血心肌體積百分比指數的模型，在預測MACE方面展現出更強的判別能力，可更精準地評估冠心病患者未來發生MACE風險，進而幫助臨床醫生更合理地制定治療策略，對高風險患者及時干預，改善患者的預后情況。

DL-model模型能夠高效量化地評估心肌狀況，離不開其背后多中心數據、人工智能技術以及論文合作單位聯影智能在冠心病診療領域的深厚積累。

 “針對冠心病疾病，我們已推出冠脈CTA分析系統、CTA冠脈斑塊智能分析系統、CT-FFR智能分析系統、CTP心肌灌注智能分析系統、MR心臟智能分析系統等多款AI應用，可一站式開展對冠脈解剖學狹窄、血流功能性評估及心肌缺血的量化評估，實現從冠脈形態學到功能學、心肌活性的全鏈路診斷。”論文共同第一作者、聯影智能首席技術官吳迪嘉表示。

 “心血管疾病是人類生命健康重大問題，防治意義重大。未來，我們還將以臨床需求為導向、以AI為創新源動力，深化產醫融合創新，共同探索出更具原創性、引領性的技術成果，讓醫療AI成果惠及更多患者。”張佳胤表示。

相關論文信息：https://doi.org/10.1148/radiol.242570