肺癌筛查的计算机断层扫描（CT）数据，能同时检测其他亚临床胸部疾病，像肌肉骨骼和心血管疾病。低剂量胸部CT筛查普及、CT检查增多，给放射科医生带来挑战。研究表明，工作量大、单病例诊断时间少，会提高错误率，导致结果漏报。

人工智能（AI）有望借胸部 CT 自动处理技术，减轻放射科医生负担。肺结节自动检测已有研究并用于临床。此外，也开发出 AI 算法，在肺癌筛查的胸部 CT 扫描中，自动检测和精准测量其他亚临床疾病生物标志物。这或能在更多普通人群中开展机会性筛查，比如通过椎体高度和密度查骨质减少，依据主动脉直径查胸主动脉扩张和动脉瘤，用冠状动脉钙化评分查亚临床冠状动脉疾病。亚库布等人评估商用 AI 软件发现，在主动脉扩张和冠状动脉钙化二元报告上，AI 诊断性能优于放射科医生。此前研究多对比人工判读和 AI 结果，尚不清楚 AI 算法用于同一受检者多次 CT 扫描时，能否得出准确且可重复的结果。

最近，发表在European Radiology 上的一篇文章评估了基于人工智能（AI）的低剂量胸部CT椎体及心血管标志物自动测量的可重复性。

研究纳入了基于人群的生命线影像学（ImaLife）研究的参与者，这些参与者在基线期及 3 - 4 个月的随访期均接受了低剂量胸部 CT 检查。一个 AI 系统（AI-Rad Companion 胸部CT原型）对椎体高度与密度、主动脉直径、心脏体积（心腔加心包脂肪）以及冠状动脉钙化体积（CACV）进行自动分割和量化。一名经过培训的研究人员通过肉眼检查分割精度。假设无生理变化，我们使用组内相关系数（ICC）、相对差异以及 CACV 风险分类的变化，来评估基于 AI 的测量在基线期和重复扫描时的可重复性。

共632 名参与者（年龄 63 ± 11 岁；男性占 56.6%）接受了短期重复 CT 扫描（平均间隔 3.9 ± 1.8 个月）。肉眼评估显示，在基线期和重复扫描中，98.7% 的椎体测量、80.1 - 99.4% 的主动脉测量（窦管交界除外，为 65.2%）以及 86.0% 的 CACV 测量，分割情况良好。对于心脏体积，基线期和重复扫描中有 53.5% 的分割情况良好。对于分割良好的病例，所有生物标志物的 ICC 显示一致性极佳（ICC > 0.9）。椎体和主动脉测量的基线值与重复测量值之间的相对差异小于 4%，心脏体积为 7.5%，CACV 为 28.5%。CACV 风险分类的一致性较高（81.2%）。

图  心包的正确分割（红色）。b不正确的心包分割（包括心包旁脂肪）导致的心脏容积高估。红色箭头与实际心包对齐

本项研究表明，在低剂量胸部 CT 中，基于 AI 的软件对椎体、主动脉和 CACV 评估的分割精度较高，对心脏体积评估的分割精度相对较低。椎体和主动脉测量的可重复性极佳，且总体 CACV 风险分类的一致性较高。

原文出处：

Iris Hamelink,Marcel van Tuinen,Thomas C Kwee,et al.Repeatability of AI-based, automatic measurement of vertebral and cardiovascular imaging biomarkers in low-dose chest CT: the ImaLife cohort.DOI:10.1007/s00330-024-11328-9