【中国声音】朱悦琦、李跃华教授团队在《Radiology》发表头颅CTA脑动脉瘤AI检测多中心研究论著 - 脑医汇 - 神外资讯

近日，上海市第六人民医院放射介入科朱悦琦、李跃华教授团队在放射学顶级期刊《Radiology》在线发表了题为“Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study”（基于先验知识增强的AI模型实现CTA脑动脉瘤分割和检测：一项多中心研究）的论文。《Radiology》期刊2024年影响因子为12.1分，中科院JCR综合性期刊1区TOP。上海市第六人民医院朱悦琦教授为本文通讯作者，临床研究中心韦建雍和放射介入科宋心雨为本文共同第一作者。

中国人群颅内动脉瘤的发病率约7%，其破裂是导致自发性蛛网膜下腔出血的主要原因，比例高达80%-90%，相关死亡率高达23%-51%。早期精准分割和检出对颅内动脉瘤的临床管理和预后至关重要。CT血管成像（CT angiography，CTA）是一种无创、快速、可靠的颅内动脉瘤检测手段，然而其诊断性能受到多种因素影响，如设备、工作经验等，导致了不同研究的诊断敏感性出现较大差异。近年来，深度学习技术在基于医学影像进行病变分割和检测方面显示出了巨大潜力，利用深度学习有望提高CTA图像上颅内动脉瘤的分割检测效能，并对临床实践产生积极影响。

为此，上海市第六人民医院放射介入科朱悦琦、李跃华教授牵头发起了基于深度学习的颅内动脉瘤自动分割与检测的多中心研究项目。该研究基于融合多尺度分割模型msResU-Net实现精准的脑血管和动脉瘤分割，再结合加权骨架算法和先验医学知识强化的回检模型mfResNet，实现对脑动脉瘤的准确鉴别。

本研究共纳入国内8家三甲医院中心共7536例头颈CTA数据，其中5428例（平均年龄56岁）作为训练和验证集，用于构建模型。632例作为内部独立测试集（平均年龄56岁），以医生手动标注为参考标准，初步验证模型的脑血管和动脉瘤分割精度以及和动脉瘤检测准确性。最后，再连续性收集本院1214例数据为外部独立测试集（平均年龄61岁）：以金标准DSA（共118例）做为参照，对模型检测脑动脉瘤的准确性进行了评估，并将模型结果与放射诊断报告进行对比；此外，还在以放射诊断报告为参考标准的数据集（共1096例）中进一步验证了模型在不同动脉瘤发病率和不同厂商扫描机器上的泛化性。研究表明，所设计的AI模型可以在2分钟之内完成头颅CTA的血管重建和动脉瘤分割检测，动脉瘤分割的Dice系数达到0.87；在血管水平分析中，AI模型对动脉瘤检出的敏感性和AUC值分别为85.7%和0.93，表现与高年资医生审核后的放射诊断报告水平相当（P=0.67）；在5个不同动脉瘤发病率数据集（约为3%～50%）中，动脉瘤诊断AUC在0.82到0.95之间，无统计学差异（P=0.62）；此外，在4个不同厂商机器上的诊断AUC在0.92到0.99，整体表现稳定。当前研究表明，所研发的AI系统兼具精准性和稳定性，符合临床头颈CTA后处理和脑动脉瘤诊断流程需求。未来，团队将进一步在前瞻性临床试验中验证该系统的综合表现。