据统计，肺栓塞 (PE) 是一种十分常见的临床诊断。近年来，PE患者的生存率有所提高，主要源于临床上提高了计算机断层扫描(CTPA)的质量和可用性，实现了更快的诊断和治疗。CTPA是目前诊断PE的首选方法，易于获得并提供了较高的诊断准确率。然而，由于要评估的CT图像数量和需要评估的血管数量较高，对影像科医师来说，解释CTPA是一项耗时且要求很高的认知挑战。再加上每年增加的工作量，可能导致延迟或误诊的机会增加。

现阶段，人工智能(AI)越来越多地应用于医学成像中，试图减轻放射医师日益增长的工作量。已有研究表明，AI算法对传统的多色图像(CPI)具有较高的诊断精度，能够提高影像科医师对PE的检测水平。

最近的发展在该领域的CT扫描仪是双层探测器光谱CT扫描仪(SDCT) ，可允许通过双能量采集检测器水平改善图像质量。其中，SDCT重建的虚拟单色图像(VMI)回顾性可提供更高的诊断准确性。然而，由于它们的外观不同，人工智能(AI)在常规CT图像上训练后的表现可能会变差。

近日，发表在European Radiology杂志上的一篇研究评估了在传统多色计算机断层扫描(CT)图像(CPI)上训练的已建立的人工智能算法检测VMI肺栓塞(PE)的性能。

本项研究采用已建立的人工智能算法对114例连续疑似PE患者的60千电子伏(keV) VMI和CPI进行了回顾性分析。CT肺血管造影(CTPA)在每个患者的水平上分为PE阳性或阴性。参考标准采用综合方法，结合主治放射科医生和三名经验丰富的心胸放射科医生的评估，并辅以两种不同的检测工具。比较算法对VMI和CPI的敏感性、特异性、阳性预测值和阴性预测值及似然比。

参照标准PE患病率为35.1%(40例)。该算法的诊断准确性指标在CPI和VMI之间没有显着差异。CPI和VMI的敏感性分别为77.5%(95%可信区间(CI) 64.6 ~ 90.4%)和85.0% (73.9 ~ 96.1%)(p = 0.08)，特异性分别为96.0%(91.4 ~ 100.0%)和94.6% (89.4 ~ 99.7%)(p = 0.32)。

 图 两例孤立性节段性PE在常规多色图像 (a，c) 中被AI漏诊，但在虚拟单色图像（b.d)中被正确识别

本项研究表明，商业上可用的人工智能算法，经过传统的多色CTPA训练，可以安全地用于虚拟单色图像。

原文出处：

Eline Langius-Wiffen,Ingrid M Nijholt,Rogier A van Dijk,et al.An artificial intelligence algorithm for pulmonary embolism detection on polychromatic computed tomography: performance on virtual monochromatic images.DOI:10.1007/s00330-023-10048-w