引用本文： 吳衛強, 朱亮飛, 沈麗榮, 區煜, 劉海倫. 基于人工智能肺動脈CT血管造影及肺栓塞檢出應用的效能評估. 中國呼吸與危重監護雜志, 2024, 23(1): 24-29. doi: 10.7507/1671-6205.202308014 復制
肺動脈栓塞是由于肺動脈或其分支被栓子堵塞引起的血管系統疾病，栓子分為內源性和外源性兩種，在臨床較為多見，屬于現階段臨床急診和重診疾病，患者具有較高的病死率[1]。肺動脈栓塞多表現為突發呼吸困難、咳嗽、胸痛等呼吸疾病常規癥狀，栓子栓塞的部位及嚴重程度導致臨床表現缺乏特異性體征，臨床診斷較為困難[2]。每年每1 000人中約有1～2人發生肺動脈栓塞，自國際合作肺栓塞登記處ICOPER成立以來，顯示肺動脈栓塞總體病死率約為15%，嚴重威脅著人們的生命安全[3-4]。急性肺動脈栓塞的診斷通常取決于肺部影像學檢查，肺動脈CT血管造影（CT angiography，CTA）由于對肺動脈栓塞的敏感性及特異性高、掃描速度快、良好的空間分辨率以及可以多平面重建的能力，已經成為診斷肺動脈栓塞的首選檢查方法[5-6]。肺動脈栓子在高密度碘對比劑襯托下，表現為低密度的充盈缺損，因此肺動脈CTA可以直接顯示血管內栓子而診斷肺動脈栓塞，通過后處理軟件還可進行多平面重建進行多方位的觀測栓子的形態，提高診斷的準確性[7]，對臨床疾病的診斷率得到了明顯的提高，并且對患者的預后評估帶來了極大的幫助。但是傳統肺動脈CTA診斷流程較復雜，需要先人工重建并將圖像傳至后處理工作站，再由影像科醫生進行后處理，最后才進行診斷閱片，這對影像診斷醫生的重建速度和診斷水平要求較高，重建過程和人工閱片都需要消耗大量時間。因此，尋找一種快速、診斷效能良好的方法是非常必要的。
人工智能（artificial intelligence，AI）影像診斷輔助系統在臨床應用中日益成熟，不僅能提高重建速度，更能對圖像進行預先診斷，對于影像科醫生，特別是年輕醫生的診斷帶來了極大的幫助，除了減少了因為人工閱片期間因視覺疲勞而導致的漏診，更提高了診斷效率。目前AI的臨床研究主要集中在肺結節輔助診斷及冠狀動脈CTA輔助診斷應用研究方面[8-9]。研究發現AI處理在冠狀動脈圖像后處理及診斷的耗時方面較人工模式有較高的穩定性和高效性，圖像質量也優于人工處理，而診斷效能也與人工閱片一致性良好[9]。另外，在腦轉移中的應用也有相關研究[10-11]，而國內關于肺動脈CTA的AI臨床應用研究鮮見報道。本研究旨在評估基于通過AI輔助診斷軟件進行肺動脈CTA圖像的重建及輔助診斷功能，對比4組初級職稱、1組中級職稱、1組高級職稱影像科醫生的診斷結果，是否具有良好的一致性及時間的優越性，是否可在臨床工作中極大的提高肺動脈CTA圖像處理能力和病灶檢出能力。
1 資料與方法
1.1 臨床資料
搜集2016年6月—2022年12月本院臨床疑診為肺動脈栓塞且行肺動脈CTA檢查的199例患者的病例資料，其中男109例，女90例；年齡18～93歲，平均（64.1±1.2）歲，臨床表現均有不同程度的胸悶、咳嗽、呼吸困難，血氧降低等癥狀。納入標準：① 懷疑肺動脈栓塞；② 既往確診肺動脈栓塞治療后復查。排除標準：① 有意識障礙，不能配合檢查；② 圖像不完整、質量不合格；③ 肺動脈鄰近有腫瘤影像觀察診斷的患者；④ 因活動偽影導致圖像不能滿足診斷要求。
1.2 方法
1.2.1 檢查方法
采用德國西門子SOMATOM Drive量子雙源64排螺旋CT、德西門子SOMATOM Definition 64排螺旋CT對患者進行肺動脈CTA檢查。囑患者取仰臥位，雙臂上舉，檢查前由護士或檢查技師對患者進行呼吸訓練及健康宣教，減少患者的憂慮情緒。以團注追蹤法進行肺動脈CTA檢查，監測點位于肺動脈主干根部，觸發閾值為100 HU，延遲5 s自動觸發掃描。采用雙筒高壓注射器經單側肘前靜脈注入50 mL碘帕醇（含碘量為370 mg/mL，上海博萊科信誼藥業），或50 mL碘海醇（含碘量為350 mg/mL，通用電氣藥業）流率5.0 mL/s，注射完畢后推注38 mL生理鹽水，流速4.5 mL/s；管電壓100 kV，參考管電流105 mAs，開啟自動毫安控制技術（CARE Dose4D），螺距1.2，轉速分別為德國西門子SOMATOM Drive 量子雙源64排螺旋CT 0.28 s/圈，德西門子SOMATOM Definition 64排螺旋CT 0.33 s/圈，掃描方向為頭–足位，掃描范圍為胸廓入口至肋膈角水平。
1.2.2 圖像重建及評估方法
德國西門子SOMATOM Drive量子雙源64排螺旋CT采用Br38卷積核及ADMIRE 3級重建算法對原始數據進行原始圖像重建。德國西門子SOMATOM Definition 64排螺旋CT則采用B30f卷積核對原始數據進行原始圖像重建。重建矩陣為512X512，重建層厚為1 mm，層間距為相應1 mm。將圖像數據以DICOM格式通過網絡上傳至PACS系統及聯影智能uAI服務器，或以PACS系統將圖像以DICOM格式下載后以本地上傳方式將圖像導入聯影智能uAI服務器，并分別使用西門子后處理工作站Syngo.via人工處理重建和聯影智能uAI肺動脈CT造影影像軟件進行全自動多平面重建（multiplanar reconstruction，MPR）、容積再現（volume rendering，VR）、最大密度投影（maximum intensity projection，MIP）后處理。將圖像能夠完整重建出完整的肺動脈及分支并且圖像清晰符合診斷要求的患者圖像納入統計樣本。將全部樣本的陽性例數與陰性例數分為6組，其中初級醫生分為4組，初級A組32例，初級B組33例，初級C組34例，初級D組39例，中級組29例，高級組32例，分別對圖像進行閱片并得出圖像是否存在肺動脈栓塞及栓塞部位、范圍，再與聯影智能uAI肺動脈CT造影影像軟件自動分析影像診斷結果進行對比。不同職稱影像科醫生與聯影智能uAI影像輔助診斷系統對肺動脈栓塞的部位、范圍進行診斷一致性對比，當人工閱片結果與聯影智能uAI影像輔助診斷系統判斷結果不相同時，由3名超過20年影像診斷經驗的主任醫師進行復核，以其結果作為金標準。
1.3 統計學方法
采用SPSS 25.0統計軟件。計數資料以例數表示，3名高年資影像科主任醫師復核為金標準，在全部樣本中分別比較聯影uAI影像輔助診斷系統與各組各級別醫生對病灶的檢出的診斷效能。采用Kappa檢驗分別評價聯影uAI影像輔助診斷系統與高級職稱影像診斷醫師診斷的一致性。Kappa值評價標準：Kappa值<0.40為一致性差；0.40～0.59 為一致性中等；0.60～0.74為一致性良好；0.75～1.00為一致性高[12]。
2 結果
2.1 AI影像診斷輔助系統及6組不同職稱影像科診斷醫生對肺動脈栓塞的診斷效能比較
基于肺動脈CTA圖像，以3名高年資主任醫師復核結果為金標準，AI影像診斷輔助系統和經過不同職稱影像科醫生的診斷對比結果見表1。AI影像診斷輔助系統和各職稱影像科診斷醫生的診斷一致性各有不同。對于初級職稱的影像科診斷醫生，一致性為中等至良好（Kappa值分別為初級A組0.525，P<0.001；初級B組0.634，P<0.001；初級C組0.531，P<0.001；初級D組0.602，P<0.001）。而對于中級職稱的影像科診斷醫生，一致性為良好，Kappa值為0.717，P<0.001。于高級職稱的影像科診斷醫生，一致性為高（Kappa值為0.913，P<0.001）。對于整體影像科診斷醫生組的一致性為良好（Kappa值為0.654，P<0.001）。原始圖像傳輸到AI影像診斷輔助系統進行后處理后再將圖像歸檔傳送至PACS系統，所需要的時間僅為10～30 s。而對于人工重建，需要將原始圖像傳送至后處理工作站進行人工重建。為得出各組醫生所需要的時間，以后處理工作站中的圖像顯示準備完成后開始計時，等人工完成重建，并將圖像進行歸檔傳輸至PACS系統為止，由此得出人工重建時間。初級組影像診斷醫生平均重建及診斷時間約為23 min，中級組影像診斷醫生平均重建及診斷時間約為18 min，高級組影像診斷醫生平均重建及診斷時間約為28 min。AI影像診斷輔助系統與影像醫師診斷對比的4個具體實例見圖1。
表1
AI影像診斷輔助系統及6組不同職稱影像科診斷醫生對肺動脈栓塞診斷結果及一致性
圖1
AI影像診斷輔助系統與影像醫師對肺動脈栓塞診斷對比
a. 女，45歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺下葉背段動脈完全閉塞，體積為0.36 cm3，人工診斷因年輕醫師對解剖位置不熟悉而造成漏診；b. 女，73歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為雙肺動脈多發血栓形成，多發動脈栓塞，AI系統標注出了各肺動脈栓塞情況，并且計算出總栓塞范圍為16.08 cm3，診斷栓塞范圍與中級職稱組診斷范圍相符；c. 女，62歲，胸悶入院，D-二聚體高，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺上葉前段、中葉動脈血栓形成，肺動脈栓塞，計算出總栓塞體積為6.32 cm3，AI系統標注范圍與高級職稱組診斷范圍相符；d. 男，82歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺下葉外基底段外亞段動脈血栓形成，肺動脈栓塞，計算出總栓塞體積為0.08 cm3，人工診斷因初級醫師D組對解剖位置不熟悉而造成漏診。
2.2 AI影像診斷輔助系統與金標準對肺動脈栓塞的診斷效能比較
基于肺動脈CTA圖像，以3名高年資主任醫師復核結果為金標準，AI影像診斷輔助系統和金標準的診斷對比結果見表2。AI影像診斷輔助系統和經過高年資主任醫師復核后的金標準結果一致性高（Kappa值為0.755，P<0.001）。
表2
AI影像診斷輔助系統對肺動脈栓塞診斷結果及于金標準一致性分析結果
3 討論
隨著AI的高速發展以及技術的不斷革新，對于影像科醫生的診斷幫助也越來越重要，AI影像診斷輔助系統能夠提供初步的影像診斷報告，并且快速將病灶能夠篩選出來并快速處理肺動脈CTA的后處理工作，得到的圖像也能夠滿足臨床的工作需要，與田杜雪[13]的研究相符。日常工作中，肺動脈CTA通過人工后處理及閱片，花費時間約20～30 min，經實際應用時間效能分析，表明經過AI影像診斷輔助系統的處理后，圖像處理時間大大減少為10～30 s[14]，和閱片時間總共大約為5～10 min，極大地縮短了患者的診斷時間和醫師的診斷效率，從而使患者得到了更及時的治療。試驗表明AI系統輔助肺動脈CTA診斷與傳統純人工診斷對比具備時間的優越性。
此外，本研究中AI影像診斷輔助系統和各級別影像科診斷醫生的診斷效能各有不同，中級職稱及高級職稱的一致性比初級職稱的一致性更高，并且與金標準結果一致性高，而AI影像診斷輔助系統的敏感性為90.5%，特異性為88.2%，AUC為0.894，基本與人工診斷無明顯差距。本研究中AI影像診斷輔助系統與初級職稱醫生的診斷一致性為中等至良好，并且特異性與敏感性均與初級職稱醫生有一定的差距，其中主要原因為：① 肺部有彌漫性病變，肺動脈形態、位置改變導致AI影像診斷輔助系統對肺動脈的病變診斷出現誤差；② 上腔靜脈出現了對比劑偽影，導致右肺動脈干少量貼壁動脈栓子被遮蔽；③ AI影像診斷輔助系統對肺動脈細小分支伴周圍出現炎癥、腫瘤或不張等情況時辨認度不夠，引起敏感性和特異性的降低。但總體而言，AI影像診斷輔助系統與各組醫生的診斷一致性為良好，并且AI影像診斷輔助系統與金標準的診斷一致性高。究其原因主要為患者的基礎疾病較多，肺部的病變多發或肺動脈穿行于病變內，導致AI影像診斷輔助系統的特異性和敏感性一定程度降低。由此可以認為AI影像診斷輔助系統是能夠給到臨床工作帶來非常大的幫助，具備臨床實用性和可推廣性。
本次研究中有18例陽性患者病變累及亞段，AI影像診斷輔助系統均能夠給出與金標準對比一致正確的診斷結果；而人工組對比其中1例診斷結果與金標準對比診斷錯誤（圖1d）。有27例陽性患者病變累及亞亞段，其中有4例患者AI影像診斷輔助系統并未能識別，其中2例人工診斷也為錯誤。所以AI影像診斷輔助系統在肺動脈栓塞的診斷中，對于肺內病變較少、肺動脈走行相對正常的病例，診斷效能能提高人的診斷精確度，減少亞段病變漏診的情況。但是對于多發病變、肺動脈位置異常嚴重的病例，AI診斷結果也會出現一定的偏差。因為部分肺動脈栓塞患者的基礎病較多，肺內的情況也不盡人意，所以這應該引起AI影像診斷輔助系統開發者的重視，并且在訓練數據上進行加強，以提高對復雜病變患者的診斷準確性。因此，AI影像診斷輔助系統在肺動脈栓塞的診斷中，在肺動脈走行相對正常的病例，亞段、亞亞段病變等診斷中結果具備一定的借鑒價值。
綜上所述，結合既往研究得出的結果，AI影像診斷系統對有經驗的放射診斷醫師平均閱片時間降低32%[10]，而且AI圖像重建所需要的時更短，圖像質量也更優于人工組[9]，診斷效能也能達到中等以上，甚至與高級職稱組能達到一致性高，所以人工智能影像診斷輔助系統對于影像科醫生的幫助不僅僅是對病灶的檢出，更重要的是減少了影像科醫生對圖像后處理和閱片的時間。對于年輕影像科醫生而言，AI影像診斷系統能夠大大減少了漏診率，特別是由于年輕醫生對臨床解剖結構的不熟悉，對細小病灶的不敏感有著極大的幫助。而對于高級職稱影像科醫生而言，主要的幫助主要在于極大的減少了圖像重建的時間，因為高級職稱影像科醫生主要工作在于報告的書寫或簽發，對于后處理工作站的應用熟練方面對比年輕醫生有明顯的不足，導致圖像重建及診斷的時間明顯變長。AI影像診斷輔助系統除了對病變的檢出率有所提高外，最重要的是對于全段或亞段動脈閉塞而導致血管變小、顯示不清而引起漏診的情況得到了極大的幫助。由此，我們根據本研究中AI影像診斷輔助系統基于肺動脈CTA圖像的診斷率與中級職稱和高級職稱的診斷有良好和高的一致性，而AI影像診斷輔助系統和金標準一致性高，診斷效能良好，可以推斷出AI影像診斷系統不論從時間效率，還是診斷效能上均可以勝任肺動脈CTA的圖像后處理工作和診斷報告的輸出，結合AI影像診斷輔助系統及人工核查病變，可以極大地減少圖像處理時間和閱片時間，更降低了漏診的風險。但需要注意的是，AI肺動脈輔助影像診斷系統的出現了16例的假陽性患者，比人工閱片報告多4例，主要原因為該AI影像診斷系統將肺動脈周圍的結節、上腔靜脈偽影誤認為肺動脈栓塞或遮蔽栓子導致。因此，在AI影像診斷系統進一步優化及訓練、提高對假陽性病灶的識別能力上，對影像科的診斷率提高及效能提升具備一定的應用價值，可在臨床影像診斷工作中推廣使用。
利益沖突：本研究不涉及任何利益沖突。
肺動脈栓塞是由于肺動脈或其分支被栓子堵塞引起的血管系統疾病，栓子分為內源性和外源性兩種，在臨床較為多見，屬于現階段臨床急診和重診疾病，患者具有較高的病死率[1]。肺動脈栓塞多表現為突發呼吸困難、咳嗽、胸痛等呼吸疾病常規癥狀，栓子栓塞的部位及嚴重程度導致臨床表現缺乏特異性體征，臨床診斷較為困難[2]。每年每1 000人中約有1～2人發生肺動脈栓塞，自國際合作肺栓塞登記處ICOPER成立以來，顯示肺動脈栓塞總體病死率約為15%，嚴重威脅著人們的生命安全[3-4]。急性肺動脈栓塞的診斷通常取決于肺部影像學檢查，肺動脈CT血管造影（CT angiography，CTA）由于對肺動脈栓塞的敏感性及特異性高、掃描速度快、良好的空間分辨率以及可以多平面重建的能力，已經成為診斷肺動脈栓塞的首選檢查方法[5-6]。肺動脈栓子在高密度碘對比劑襯托下，表現為低密度的充盈缺損，因此肺動脈CTA可以直接顯示血管內栓子而診斷肺動脈栓塞，通過后處理軟件還可進行多平面重建進行多方位的觀測栓子的形態，提高診斷的準確性[7]，對臨床疾病的診斷率得到了明顯的提高，并且對患者的預后評估帶來了極大的幫助。但是傳統肺動脈CTA診斷流程較復雜，需要先人工重建并將圖像傳至后處理工作站，再由影像科醫生進行后處理，最后才進行診斷閱片，這對影像診斷醫生的重建速度和診斷水平要求較高，重建過程和人工閱片都需要消耗大量時間。因此，尋找一種快速、診斷效能良好的方法是非常必要的。
人工智能（artificial intelligence，AI）影像診斷輔助系統在臨床應用中日益成熟，不僅能提高重建速度，更能對圖像進行預先診斷，對于影像科醫生，特別是年輕醫生的診斷帶來了極大的幫助，除了減少了因為人工閱片期間因視覺疲勞而導致的漏診，更提高了診斷效率。目前AI的臨床研究主要集中在肺結節輔助診斷及冠狀動脈CTA輔助診斷應用研究方面[8-9]。研究發現AI處理在冠狀動脈圖像后處理及診斷的耗時方面較人工模式有較高的穩定性和高效性，圖像質量也優于人工處理，而診斷效能也與人工閱片一致性良好[9]。另外，在腦轉移中的應用也有相關研究[10-11]，而國內關于肺動脈CTA的AI臨床應用研究鮮見報道。本研究旨在評估基于通過AI輔助診斷軟件進行肺動脈CTA圖像的重建及輔助診斷功能，對比4組初級職稱、1組中級職稱、1組高級職稱影像科醫生的診斷結果，是否具有良好的一致性及時間的優越性，是否可在臨床工作中極大的提高肺動脈CTA圖像處理能力和病灶檢出能力。
1 資料與方法
1.1 臨床資料
搜集2016年6月—2022年12月本院臨床疑診為肺動脈栓塞且行肺動脈CTA檢查的199例患者的病例資料，其中男109例，女90例；年齡18～93歲，平均（64.1±1.2）歲，臨床表現均有不同程度的胸悶、咳嗽、呼吸困難，血氧降低等癥狀。納入標準：① 懷疑肺動脈栓塞；② 既往確診肺動脈栓塞治療后復查。排除標準：① 有意識障礙，不能配合檢查；② 圖像不完整、質量不合格；③ 肺動脈鄰近有腫瘤影像觀察診斷的患者；④ 因活動偽影導致圖像不能滿足診斷要求。
1.2 方法
1.2.1 檢查方法
采用德國西門子SOMATOM Drive量子雙源64排螺旋CT、德西門子SOMATOM Definition 64排螺旋CT對患者進行肺動脈CTA檢查。囑患者取仰臥位，雙臂上舉，檢查前由護士或檢查技師對患者進行呼吸訓練及健康宣教，減少患者的憂慮情緒。以團注追蹤法進行肺動脈CTA檢查，監測點位于肺動脈主干根部，觸發閾值為100 HU，延遲5 s自動觸發掃描。采用雙筒高壓注射器經單側肘前靜脈注入50 mL碘帕醇（含碘量為370 mg/mL，上海博萊科信誼藥業），或50 mL碘海醇（含碘量為350 mg/mL，通用電氣藥業）流率5.0 mL/s，注射完畢后推注38 mL生理鹽水，流速4.5 mL/s；管電壓100 kV，參考管電流105 mAs，開啟自動毫安控制技術（CARE Dose4D），螺距1.2，轉速分別為德國西門子SOMATOM Drive 量子雙源64排螺旋CT 0.28 s/圈，德西門子SOMATOM Definition 64排螺旋CT 0.33 s/圈，掃描方向為頭–足位，掃描范圍為胸廓入口至肋膈角水平。
1.2.2 圖像重建及評估方法
德國西門子SOMATOM Drive量子雙源64排螺旋CT采用Br38卷積核及ADMIRE 3級重建算法對原始數據進行原始圖像重建。德國西門子SOMATOM Definition 64排螺旋CT則采用B30f卷積核對原始數據進行原始圖像重建。重建矩陣為512X512，重建層厚為1 mm，層間距為相應1 mm。將圖像數據以DICOM格式通過網絡上傳至PACS系統及聯影智能uAI服務器，或以PACS系統將圖像以DICOM格式下載后以本地上傳方式將圖像導入聯影智能uAI服務器，并分別使用西門子后處理工作站Syngo.via人工處理重建和聯影智能uAI肺動脈CT造影影像軟件進行全自動多平面重建（multiplanar reconstruction，MPR）、容積再現（volume rendering，VR）、最大密度投影（maximum intensity projection，MIP）后處理。將圖像能夠完整重建出完整的肺動脈及分支并且圖像清晰符合診斷要求的患者圖像納入統計樣本。將全部樣本的陽性例數與陰性例數分為6組，其中初級醫生分為4組，初級A組32例，初級B組33例，初級C組34例，初級D組39例，中級組29例，高級組32例，分別對圖像進行閱片并得出圖像是否存在肺動脈栓塞及栓塞部位、范圍，再與聯影智能uAI肺動脈CT造影影像軟件自動分析影像診斷結果進行對比。不同職稱影像科醫生與聯影智能uAI影像輔助診斷系統對肺動脈栓塞的部位、范圍進行診斷一致性對比，當人工閱片結果與聯影智能uAI影像輔助診斷系統判斷結果不相同時，由3名超過20年影像診斷經驗的主任醫師進行復核，以其結果作為金標準。
1.3 統計學方法
采用SPSS 25.0統計軟件。計數資料以例數表示，3名高年資影像科主任醫師復核為金標準，在全部樣本中分別比較聯影uAI影像輔助診斷系統與各組各級別醫生對病灶的檢出的診斷效能。采用Kappa檢驗分別評價聯影uAI影像輔助診斷系統與高級職稱影像診斷醫師診斷的一致性。Kappa值評價標準：Kappa值<0.40為一致性差；0.40～0.59 為一致性中等；0.60～0.74為一致性良好；0.75～1.00為一致性高[12]。
2 結果
2.1 AI影像診斷輔助系統及6組不同職稱影像科診斷醫生對肺動脈栓塞的診斷效能比較
基于肺動脈CTA圖像，以3名高年資主任醫師復核結果為金標準，AI影像診斷輔助系統和經過不同職稱影像科醫生的診斷對比結果見表1。AI影像診斷輔助系統和各職稱影像科診斷醫生的診斷一致性各有不同。對于初級職稱的影像科診斷醫生，一致性為中等至良好（Kappa值分別為初級A組0.525，P<0.001；初級B組0.634，P<0.001；初級C組0.531，P<0.001；初級D組0.602，P<0.001）。而對于中級職稱的影像科診斷醫生，一致性為良好，Kappa值為0.717，P<0.001。于高級職稱的影像科診斷醫生，一致性為高（Kappa值為0.913，P<0.001）。對于整體影像科診斷醫生組的一致性為良好（Kappa值為0.654，P<0.001）。原始圖像傳輸到AI影像診斷輔助系統進行后處理后再將圖像歸檔傳送至PACS系統，所需要的時間僅為10～30 s。而對于人工重建，需要將原始圖像傳送至后處理工作站進行人工重建。為得出各組醫生所需要的時間，以后處理工作站中的圖像顯示準備完成后開始計時，等人工完成重建，并將圖像進行歸檔傳輸至PACS系統為止，由此得出人工重建時間。初級組影像診斷醫生平均重建及診斷時間約為23 min，中級組影像診斷醫生平均重建及診斷時間約為18 min，高級組影像診斷醫生平均重建及診斷時間約為28 min。AI影像診斷輔助系統與影像醫師診斷對比的4個具體實例見圖1。
表1
AI影像診斷輔助系統及6組不同職稱影像科診斷醫生對肺動脈栓塞診斷結果及一致性
圖1
AI影像診斷輔助系統與影像醫師對肺動脈栓塞診斷對比
a. 女，45歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺下葉背段動脈完全閉塞，體積為0.36 cm3，人工診斷因年輕醫師對解剖位置不熟悉而造成漏診；b. 女，73歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為雙肺動脈多發血栓形成，多發動脈栓塞，AI系統標注出了各肺動脈栓塞情況，并且計算出總栓塞范圍為16.08 cm3，診斷栓塞范圍與中級職稱組診斷范圍相符；c. 女，62歲，胸悶入院，D-二聚體高，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺上葉前段、中葉動脈血栓形成，肺動脈栓塞，計算出總栓塞體積為6.32 cm3，AI系統標注范圍與高級職稱組診斷范圍相符；d. 男，82歲，黃色方框內紅色標注為AI影像診斷輔助系統判定為左肺下葉外基底段外亞段動脈血栓形成，肺動脈栓塞，計算出總栓塞體積為0.08 cm3，人工診斷因初級醫師D組對解剖位置不熟悉而造成漏診。
2.2 AI影像診斷輔助系統與金標準對肺動脈栓塞的診斷效能比較
基于肺動脈CTA圖像，以3名高年資主任醫師復核結果為金標準，AI影像診斷輔助系統和金標準的診斷對比結果見表2。AI影像診斷輔助系統和經過高年資主任醫師復核后的金標準結果一致性高（Kappa值為0.755，P<0.001）。
表2
AI影像診斷輔助系統對肺動脈栓塞診斷結果及于金標準一致性分析結果
3 討論
隨著AI的高速發展以及技術的不斷革新，對于影像科醫生的診斷幫助也越來越重要，AI影像診斷輔助系統能夠提供初步的影像診斷報告，并且快速將病灶能夠篩選出來并快速處理肺動脈CTA的后處理工作，得到的圖像也能夠滿足臨床的工作需要，與田杜雪[13]的研究相符。日常工作中，肺動脈CTA通過人工后處理及閱片，花費時間約20～30 min，經實際應用時間效能分析，表明經過AI影像診斷輔助系統的處理后，圖像處理時間大大減少為10～30 s[14]，和閱片時間總共大約為5～10 min，極大地縮短了患者的診斷時間和醫師的診斷效率，從而使患者得到了更及時的治療。試驗表明AI系統輔助肺動脈CTA診斷與傳統純人工診斷對比具備時間的優越性。
此外，本研究中AI影像診斷輔助系統和各級別影像科診斷醫生的診斷效能各有不同，中級職稱及高級職稱的一致性比初級職稱的一致性更高，并且與金標準結果一致性高，而AI影像診斷輔助系統的敏感性為90.5%，特異性為88.2%，AUC為0.894，基本與人工診斷無明顯差距。本研究中AI影像診斷輔助系統與初級職稱醫生的診斷一致性為中等至良好，并且特異性與敏感性均與初級職稱醫生有一定的差距，其中主要原因為：① 肺部有彌漫性病變，肺動脈形態、位置改變導致AI影像診斷輔助系統對肺動脈的病變診斷出現誤差；② 上腔靜脈出現了對比劑偽影，導致右肺動脈干少量貼壁動脈栓子被遮蔽；③ AI影像診斷輔助系統對肺動脈細小分支伴周圍出現炎癥、腫瘤或不張等情況時辨認度不夠，引起敏感性和特異性的降低。但總體而言，AI影像診斷輔助系統與各組醫生的診斷一致性為良好，并且AI影像診斷輔助系統與金標準的診斷一致性高。究其原因主要為患者的基礎疾病較多，肺部的病變多發或肺動脈穿行于病變內，導致AI影像診斷輔助系統的特異性和敏感性一定程度降低。由此可以認為AI影像診斷輔助系統是能夠給到臨床工作帶來非常大的幫助，具備臨床實用性和可推廣性。
本次研究中有18例陽性患者病變累及亞段，AI影像診斷輔助系統均能夠給出與金標準對比一致正確的診斷結果；而人工組對比其中1例診斷結果與金標準對比診斷錯誤（圖1d）。有27例陽性患者病變累及亞亞段，其中有4例患者AI影像診斷輔助系統并未能識別，其中2例人工診斷也為錯誤。所以AI影像診斷輔助系統在肺動脈栓塞的診斷中，對于肺內病變較少、肺動脈走行相對正常的病例，診斷效能能提高人的診斷精確度，減少亞段病變漏診的情況。但是對于多發病變、肺動脈位置異常嚴重的病例，AI診斷結果也會出現一定的偏差。因為部分肺動脈栓塞患者的基礎病較多，肺內的情況也不盡人意，所以這應該引起AI影像診斷輔助系統開發者的重視，并且在訓練數據上進行加強，以提高對復雜病變患者的診斷準確性。因此，AI影像診斷輔助系統在肺動脈栓塞的診斷中，在肺動脈走行相對正常的病例，亞段、亞亞段病變等診斷中結果具備一定的借鑒價值。
綜上所述，結合既往研究得出的結果，AI影像診斷系統對有經驗的放射診斷醫師平均閱片時間降低32%[10]，而且AI圖像重建所需要的時更短，圖像質量也更優于人工組[9]，診斷效能也能達到中等以上，甚至與高級職稱組能達到一致性高，所以人工智能影像診斷輔助系統對于影像科醫生的幫助不僅僅是對病灶的檢出，更重要的是減少了影像科醫生對圖像后處理和閱片的時間。對于年輕影像科醫生而言，AI影像診斷系統能夠大大減少了漏診率，特別是由于年輕醫生對臨床解剖結構的不熟悉，對細小病灶的不敏感有著極大的幫助。而對于高級職稱影像科醫生而言，主要的幫助主要在于極大的減少了圖像重建的時間，因為高級職稱影像科醫生主要工作在于報告的書寫或簽發，對于后處理工作站的應用熟練方面對比年輕醫生有明顯的不足，導致圖像重建及診斷的時間明顯變長。AI影像診斷輔助系統除了對病變的檢出率有所提高外，最重要的是對于全段或亞段動脈閉塞而導致血管變小、顯示不清而引起漏診的情況得到了極大的幫助。由此，我們根據本研究中AI影像診斷輔助系統基于肺動脈CTA圖像的診斷率與中級職稱和高級職稱的診斷有良好和高的一致性，而AI影像診斷輔助系統和金標準一致性高，診斷效能良好，可以推斷出AI影像診斷系統不論從時間效率，還是診斷效能上均可以勝任肺動脈CTA的圖像后處理工作和診斷報告的輸出，結合AI影像診斷輔助系統及人工核查病變，可以極大地減少圖像處理時間和閱片時間，更降低了漏診的風險。但需要注意的是，AI肺動脈輔助影像診斷系統的出現了16例的假陽性患者，比人工閱片報告多4例，主要原因為該AI影像診斷系統將肺動脈周圍的結節、上腔靜脈偽影誤認為肺動脈栓塞或遮蔽栓子導致。因此，在AI影像診斷系統進一步優化及訓練、提高對假陽性病灶的識別能力上，對影像科的診斷率提高及效能提升具備一定的應用價值，可在臨床影像診斷工作中推廣使用。
利益沖突：本研究不涉及任何利益沖突。
