人工智能在肺栓塞诊断中的应用

摘要：原创赵喜同学 XI区大家好，欢迎大家访问XI区！人工智能（AI）为急性肺栓塞（PE）的诊断提供了创新的途径。由于CTPA技术的进步，怀疑PE的CTPA检查数量及每次检查的影像数量不断增加，导致了影像科医生的工作量增加以及大量偶发性发现。在荷兰的一家教学医院中

原创赵喜同学 XI区大家好，欢迎大家访问XI区！人工智能（AI）为急性肺栓塞（PE）的诊断提供了创新的途径。由于CTPA技术的进步，怀疑PE的CTPA检查数量及每次检查的影像数量不断增加，导致了影像科医生的工作量增加以及大量偶发性发现。在荷兰的一家教学医院中，数据显示在2006年至2020年间，因怀疑PE进行的胸部CT检查数量增长了1360%，这或许与CT的易获得性和成像过度使用有关。AI工具在提升性能、加快PE评估工作流程、提高效率及生产力方面具有潜力，从而可以减轻影像科医生的工作负担。然而，影像应用的进展并未减少影像科医生的工作量，反而由于解释和后处理时间的增加或新应用的引入增加了工作量。这进一步表明了在临床实践中引入AI工具时需谨慎评估其真正的价值。AI在PE诊疗中的应用主要包括以下几个方面：辅助CTPA检查的合理适应症确认、扫描分类、血栓检测和预后评估。CTPA检查的适应症确认AI可支持进行PE检查的决策，目前该决策依赖临床决策规则和D-二聚体检测。Pulmonary Embolism Result Forecast（PERFORM）机器学习模型开发了用于支持CTPA检查决策的AI工具。该模型利用电子病历（EMR）中的原始数据（包括人口学特征、生命体征、实验室检查结果、诊断和药物使用情况）构建特征向量，以预测PE影像学结果并为患者提供特异性PE风险。模型在美国的两个学术医院的数据中进行验证，结果显示在验证队列中的曲线下面积（AUROC）为0.90，外部验证队列为0.71。与目前使用的Wells评分、PE排除标准（PERC）及改良日内瓦评分相比，该模型在门诊患者中表现更优。通过AI辅助的CTPA检查决策支持可帮助减少不必要的检查、过度诊断，降低成本和辐射暴露。扫描分类计算机算法还可基于特定规则对影像进行分类，区分有PE和无PE的影像。AI辅助的工作清单优先化有助于加速PE的诊断。这在门诊环境中尤其有用，因为门诊CT检查的审阅和报告时间差异较大，并且某些患者群体（如肿瘤患者）中可能发现偶发性PE。研究显示，通过AI优先处理成人癌症患者的常规增强胸部CT扫描，偶发性PE的诊断时间从几天缩短至87分钟，同时漏报率从44.8%降低至2.6%。血栓检测目前已有多种AI模型和算法用于CTPA上PE的检测，研究显示其诊断性能有所不同。2021年一项荟萃分析结果显示，AI算法在PE检测中的总体敏感性为0.88，特异性为0.86。在某些研究中，经过放射科医生确认后，AI算法可以提高PE检测的准确性。一项研究发现，经过训练和验证的FDA批准和CE认证的AI算法在诊断准确性方面表现出较高的敏感性（92.7%）和特异性（95.5%）。在AI检测与放射科医生的表现对比中，AI的敏感性和阴性预测值较高，而放射科医生的特异性和阳性预测值较高。调查显示，引入AI算法后，72%的放射科医生对其诊断信心有所提高。然而，目前大多数研究为回顾性设计，因此需要前瞻性随机试验来评估AI与标准影像学实践的比较效果。预后评估AI算法还可实现结构的分割或边界标定，这在定量影像分析中非常有价值。深度学习方法在CT影像中对PE的精确分割已经得到了验证。基于深度学习的卷积神经网络方法能够进行血栓分割并计算血栓体积，其量化结果与Qanadli评分和Mastora评分高度相关。AI自动计算的RV/LV直径比在PE患者的风险分层中具有一定价值，为急性PE患者的预后提供了可靠的指标。临床实施的影响一项研究评估了AI影像学应用对影像科医生工作量的影响，发现近一半的应用增加了工作量，而仅有4-5%的应用减少了工作量。AI应用导致的工作量增加主要源于额外的后处理和解释时间。某些AI工具的引入虽然在部分领域提高了效率，但在某些案例中并未减少工作时间。另一项研究通过对AI工具标记为PE阳性的CTPA检查进行优先化，显示报告周转时间有所减少，尤其是等待时间减少，而报告的阅读时间无显著变化。挑战AI算法的开发与实施面临许多挑战。深度学习算法的训练需要大量标记准确的高质量图像数据集，并需考虑区域或技术因素以及人口特征（如年龄或性别）的潜在偏差。图像数据集应尽量大且多样，以减少偏差并避免过拟合。非图像数据（如检查指征、病史和临床参数）的整合增加了数据的复杂性，但也丰富了信息。深度学习应用需经过充分的训练、测试和验证，并考虑伦理、法规及数据隐私等方面的问题。此外，AI临床工具及其许可证的成本也可能显著增加CTPA检查的费用。AI在PE诊断中具有潜在价值，可通过多种方式支持工作流程的改进。然而，未来的研究应继续评估AI工具的可行性和成本效益，同时解决开发和实施过程中遇到的挑战，并进一步探讨AI对患者结局的影响。更多干货，关注XI区！文献原文：de Jong CMM, Kroft LJM, van Mens TE, Huisman MV, Stöger JL, Klok FA. Modern imaging of acute pulmonary embolism. Thromb Res. 2024 Jun;238:105-116. doi: 10.1016/j.thromres.2024.04.016. 仅供专业人士交流目的，不用于商业用途。2024年12月9日