人工智能在冠脈影像診斷中的應(yīng)用

彭坤

(河南鄭州聯(lián)勤保障部隊(duì)第九八八中心醫(yī)院，河南 鄭州 450000)

0 引言

冠狀動(dòng)脈疾病是較為常見(jiàn)的心血管疾病，尤其是冠心病在中老年群體中具有很高的發(fā)病率，對(duì)于患者的身體健康產(chǎn)生嚴(yán)重影響。近年來(lái)冠心病的發(fā)病率顯著上升，冠心病導(dǎo)致的死亡率處于較高水平[1]。隨著信息技術(shù)和智能化設(shè)備的研發(fā)和應(yīng)用，人工智能在醫(yī)學(xué)診斷中能夠發(fā)揮其功用。在冠脈影像診斷中使用人工智能可以在保證診斷效果的同時(shí)，顯著縮短影像分析診斷時(shí)間。此研究于醫(yī)院心內(nèi)科選取2019年1月至2019年10月收治的60例疑似冠心病患者作為研究對(duì)象，入組患者均接受常規(guī)冠狀動(dòng)脈CT血管成像掃描檢查，檢查結(jié)果分別由高年資醫(yī)生和人工智能進(jìn)行分析診斷，對(duì)比兩種診斷方式的效果，明確人工智能診斷的應(yīng)用價(jià)值，報(bào)告如下。

1 資料與方法

1.1 一般資料

此研究于醫(yī)院心內(nèi)科選取2019年1月至2019年10月收治的60例疑似冠心病患者作為研究對(duì)象，其中男24例，女36例，年齡34~75歲，平均(57.34±4.12)歲，患者的平均BMI值是(24.02±2.92)kg/m2。入組患者皆為自由心率，心律變異相不超過(guò)5次/min；排除碘過(guò)敏患者、嚴(yán)重心律不齊患者、無(wú)法配合檢查患者，以及病例資料不完整的患者。入組患者均簽署院內(nèi)倫理委員會(huì)批準(zhǔn)的研究知情同意書(shū)。

1.2 檢查方法

入組患者均由專人講解冠狀動(dòng)脈CT血管成像掃描檢查流程及注意事項(xiàng)，緩解患者的疑慮及緊張情緒，并確定患者無(wú)碘過(guò)敏史，檢查前實(shí)施對(duì)比劑過(guò)敏皮試；在患者的右側(cè)肘前靜脈出預(yù)埋留置針(18號(hào))，推注10mL~20mL的生理鹽水，確保留置導(dǎo)管順暢。檢查中患者取平臥位，躺在CT檢查床上，將留置針與雙筒高壓注射器連接，再推注10m~20mL的生理鹽水，確保順暢，同時(shí)再次提示患者退藥時(shí)可能出現(xiàn)一次性發(fā)熱等狀況，指導(dǎo)患者開(kāi)展屏氣呼吸訓(xùn)練；在患者的兩側(cè)鎖骨及肋弓下處，粘貼電極，將電極準(zhǔn)確地與心電監(jiān)護(hù)儀相連接，檢測(cè)患者的心率水平，在獲得穩(wěn)定心電圖之后，定位，掃描。首先定位相掃描，明確需要掃描的范圍，之后實(shí)施增強(qiáng)掃描，使用60mL~70mL的非離子型對(duì)比劑以及30mL的生理鹽水，流率設(shè)定為5.00mL/s~5.50mL/s，通過(guò)對(duì)比劑示蹤法監(jiān)測(cè)CT值變化，延遲時(shí)間為8s，使用回顧性心電門(mén)控法掃描，掃描過(guò)程中的參數(shù)為：100kv管電壓，280mAs管電流，層厚是0.75cm，總的掃描時(shí)間是4s左右。

1.3 圖像處理與分析方法

檢查中獲得的影像數(shù)據(jù)均及時(shí)上傳到工作站中，利用冠狀動(dòng)脈分析軟件進(jìn)行處理，顯示各個(gè)節(jié)段，明確是否有狹窄及斑塊，通過(guò)深睿醫(yī)療冠心病智能輔助診斷工作站調(diào)取影像資料，并自動(dòng)識(shí)別血管及病變，形成分析報(bào)告，自動(dòng)排版出片。針對(duì)性地分析患者的左前降支(LAD)、右冠狀動(dòng)脈(RCA)和回旋支(LCX)狹窄、斑塊性質(zhì)等。影像資料有2名10年以上工作經(jīng)驗(yàn)的醫(yī)師進(jìn)行分析審核。

1.4 統(tǒng)計(jì)學(xué)處理

對(duì)于此次研究當(dāng)中檢測(cè)與統(tǒng)計(jì)得到的數(shù)據(jù)，均使用SPSS 19.0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)分析，計(jì)數(shù)資料采用(%)表示，用(χ2)進(jìn)行數(shù)據(jù)檢測(cè)校驗(yàn)，計(jì)量資料用(±s)表示，用(t)進(jìn)行數(shù)據(jù)校驗(yàn)。P<0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 人工智能和醫(yī)生對(duì)冠心病的總體診斷結(jié)果對(duì)比

與高年資醫(yī)生診斷結(jié)果相比，人工智能診斷冠心病的總體結(jié)果無(wú)明顯差異(P>0.05)，陽(yáng)性預(yù)測(cè)值為87.50%(35/40)，陰性預(yù)測(cè)值為75.00%(15/20)。如表1。人工智能冠狀動(dòng)脈CT血管成像掃描影像，可以清晰顯示冠脈主干與主要的分支血管，高年資處理圖像的平均時(shí)間為6min，人工智能處理時(shí)間為10s左右，見(jiàn)表1。

表1 冠心病總體診斷結(jié)果對(duì)比

2.2 人工智能和醫(yī)生對(duì)冠脈病變定位診斷結(jié)果對(duì)比

冠脈病變定位診斷當(dāng)中，人工智能與醫(yī)生對(duì)于主要冠脈血管病變的定位診斷結(jié)果不存在明顯差異(P>0.05)。人工智能LAD、RCA、LCX病變定位診斷的陽(yáng)性預(yù)測(cè)值分別是75.86%(22/29)、68.75%(11/16)和 80.00%(8/10)，陰性預(yù)測(cè)值分別是 80.65%(25/31)、79.55%(35/44)和 86.00%(43/50)，見(jiàn)表2。

表2 冠脈病變定位診斷結(jié)果對(duì)比

2.3 人工智能和醫(yī)生對(duì)冠脈狹窄診斷結(jié)果對(duì)比

冠脈狹窄診斷中，人工智能對(duì)于冠脈狹窄的總檢出率為30.85%，醫(yī)生的檢出率為32.40%，兩者不存在明顯差異(P>0.05)。

3 討論

心血管疾病是近些年來(lái)威脅人類身體健康的主要疾病之一，并且在飲食習(xí)慣和工作環(huán)境等因素的影響下，心血管疾病的發(fā)病率顯著上升，且出現(xiàn)年輕化趨勢(shì)[2]。冠心病是由于冠狀動(dòng)脈血管狹窄導(dǎo)致的較為常見(jiàn)的心血管疾病，在臨床診斷中，及時(shí)發(fā)現(xiàn)并精確定位冠脈狹窄，同時(shí)判斷斑塊的性質(zhì)，不僅能夠使患者得到及時(shí)診治，還能夠?yàn)獒槍?duì)性治療的優(yōu)化奠定基礎(chǔ)[3]。冠狀動(dòng)脈CT血管成像掃描檢查具有較高的圖形真實(shí)性，能夠清晰地觀察到冠脈血管數(shù)量及分支結(jié)構(gòu)，還能夠獲得清晰的血管及組織對(duì)比度，診斷準(zhǔn)確性較高。

大量的醫(yī)學(xué)影像數(shù)據(jù)使得影像分析和診斷工作量顯著增加，更加迅速、準(zhǔn)確地分析判斷影像資料，成為醫(yī)療行業(yè)研究的重要內(nèi)容。人工智能技術(shù)與醫(yī)療影像檢查設(shè)備的發(fā)展，為人工智能應(yīng)用于冠脈影像診斷中，提供了條件。此次研究中，通過(guò)人工智能自動(dòng)識(shí)別患者的冠狀動(dòng)脈CT血管成像掃描檢查資料，將其診斷結(jié)果與資深醫(yī)師分析結(jié)果進(jìn)行對(duì)比。研究結(jié)果表明：與高年資醫(yī)生診斷結(jié)果相比，人工智能診斷冠心病的總體結(jié)果無(wú)明顯差異(P>0.05)，陽(yáng)性預(yù)測(cè)值為87.50%(35/40)，陰性預(yù)測(cè)值為75.00%(15/20)。如下表1。人工智能冠狀動(dòng)脈CT血管成像掃描影像，可以清晰顯示冠脈主干與主要的分支血管，高年資處理圖像的平均時(shí)間為6min，人工智能處理時(shí)間為10s左右。冠脈病變定位診斷當(dāng)中，人工智能與醫(yī)生對(duì)于主要冠脈血管病變的定位診斷結(jié)果不存在明顯差異(P>0.05)。人工智能LAD、RCA、LCX病變定位診斷的陽(yáng)性預(yù)測(cè)值分別是75.86%(22/29)、68.75%(11/16)和 80.00%(8/10)，陰 性 預(yù) 測(cè) 值 分 別 是 80.65%(25/31)、79.55%(35/44)和86.00%(43/50)。冠脈狹窄診斷中，人工智能對(duì)于冠脈狹窄的總檢出率為30.85%，醫(yī)生的檢出率為32.40%，兩者不存在明顯差異(P>0.05)。研究結(jié)果表明，人工智能識(shí)別處理冠脈影像，能夠清晰地顯示患者的冠脈主干與分支血管，且可以準(zhǔn)確地顯示病變部位，相較于醫(yī)生分析處理，人工智能在時(shí)間上具有較大的優(yōu)勢(shì)。

我國(guó)研究人員針對(duì)冠心病識(shí)別模型以及多參數(shù)智能診斷，較早地進(jìn)行了十分豐富的研究，加之近些年基于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的算法以及硬件支持發(fā)展，智能診斷進(jìn)一步發(fā)展和興起，為臨床診斷工作量的緩解提供了途徑。研究發(fā)現(xiàn)，人工智能與醫(yī)生在冠心病的整體診斷上不存在明顯差別，對(duì)于冠脈狹窄的檢出率存在一定的差別，這可能是由于人工智能學(xué)習(xí)數(shù)據(jù)來(lái)源于多家醫(yī)院的多名醫(yī)師，選取的醫(yī)師不同，獲得的檢查診斷結(jié)果會(huì)出現(xiàn)的一定的差異，但差異并不顯著，后續(xù)需要持續(xù)擴(kuò)展人工智能的學(xué)習(xí)數(shù)據(jù)庫(kù)，并通過(guò)多中心研究向不同的醫(yī)師進(jìn)行驗(yàn)證。當(dāng)下，人工智能診斷冠心病逐漸由結(jié)構(gòu)評(píng)價(jià)轉(zhuǎn)變?yōu)楣δ芘c預(yù)后研究方面，并且相關(guān)研究逐漸深入和完善。

綜上所述，人工智能在冠脈影像診斷當(dāng)中具有較高的敏感度和特異度，其在冠心病整體診斷、病變定位識(shí)別、病變斑塊性質(zhì)及病變管腔狹窄程度診斷中，均能夠取得較為準(zhǔn)確的診斷的結(jié)果，總體上與醫(yī)生診斷無(wú)明顯差異。在冠脈影像診斷中使用人工智能分析診斷，得到的診斷結(jié)果與高年資醫(yī)生診斷十分接近，合理使用人工智能輔助診斷具有較高價(jià)值。此次研究還存在一定的不足之處，由于樣本量等因素的限制，研究還有待優(yōu)化與完善，需要后續(xù)進(jìn)行大量本量的多中心臨床研究，對(duì)人工智能系統(tǒng)進(jìn)行進(jìn)一步優(yōu)化和完善，提升人工智能在冠脈影像診斷中的價(jià)值。