基于人工智能深度学习头颈部计算机断层血管造影后处理对狭窄评估的可行性研究OACSTPCD

目的:探讨基于人工智能(AI)深度学习头颈部计算机断层血管造影(CTA)后处理对狭窄评估的可行性。方法:选取2022年1月至2023年6月北京中医医院顺义医院行头颈部CTA的108例患者,依据诊断方法的不同将其分为AI组和人工组,每组54例。采用双源CT进行检查,数据分别传输至深睿Dr.Wise头颈CTA智能辅助系统和Siemens Syngo View后处理工作站。图像评价采用5分制,观察比较两组头颈部动脉CTA图像后处理耗时和诊断耗时,以及头颈部动脉CTA图像质量、头颈部动脉狭窄程度诊断结果。结果:AI组图像后处理耗时和诊断耗时分别为(4.09±1.09)min和(3.22±1.23)min,与人工组比较差异均有统计学意义(t=52.315、24.509,P<0.05);两名医师对头颈部动脉各分支图像评分的组内相关系数(ICC)为0.996,AI组颈总动脉评分为(4.77±0.12)分,颈内动脉(4.56±0.13)分,椎动脉(4.55±0.16)分,大脑中动脉(4.78±0.16)分;人工组颈总动脉评分为(3.02±0.12)分,颈内动脉(3.02±0.12)分,椎动脉(3.02±1.14)分,大脑中动脉(3.11±1.09)分;两组头颈部动脉各主要分支图像评分比较,AI组均高于人工组,差异均有统计学意义(t=107.165、94.590、13.812、15.753,P<0.05)。以数字减影血管造影(DSA)结果为“金标准”,纳入的所有患者44段存在狭窄的动脉进行比较,DSA显示AI组轻度狭窄12例,中度狭窄12例,重度狭窄10例;人工组轻度狭窄12例,中度狭窄8例,重度狭窄7例,AI组诊断与“金标准”有较好一致性(Kappa=0.898,P<0.05)。狭窄符合率AI组均高于人工组,AI诊断头颈部动脉狭窄程度的灵敏度(96.80%)和特异度(66.52%)均高于人工组(68.36%、14.75%),特异度差异显著。结论:AI模式头颈部动脉CTA图像后处理耗时及诊断耗时及图像质量均优于人工模式,两者诊断效能一致性良好。