摘要
目的：冠状动脉钙化（CAC）是冠心病和心血管疾病事件的可靠预测指标，CAC评分有助于指导选择的中危患者的预防性干预决策。近年来有研究提出非心电门控胸部计算机断层成像（CT）对冠状动脉钙化无论在CAC评分和视觉分析均具有良好的准确性。本研究的主要目的是研究基于人工智能非心电门控胸部CT平扫一站式筛查评估冠状动脉钙化积分(CACS)的准确性。 材料与方法：回顾性收集2020年10月至2021年8月于我院RevolutionCT接受心电门控心脏CT和非门控胸部CT检查的150例患者，心电门控心脏CT和非门控胸部CT图像分别使用GE后处理工作站分析软件、AI辅助诊断系统（CoronaryDoc，数坤科技）自动测量冠状动脉四条主要分支（左主干、左前降支、左回旋支、右冠状动脉）CACS并计算Agatston总和，按照肺结节类型及大小进行分析，定量资料比较用相关样本Wilcoxon符号秩检验。用Spearman相关分析和组内相关系数（ICC）分别评估心电门控钙化积分与基于AI非心电门控胸部CT平扫在左主干（LM）、左前降支（LAD）、左回旋支（LCX）、右冠状动脉（RCA）的CACS及Agatston总和之间的相关性和一致性，并用Bland-Altman图显示一致性差异。通过Cohen''sKappa系数分析在CAC-DRS分类中Agatston评分组和CAC受累血管数量风险类别分层的差异和准确性的评估。采用受试者工作特征曲线（ROC）分析心电门控CACS和基于AI非心电门控CACS对于动脉粥样硬化性心血管疾病（ASCVD）10年发病风险的诊断效能。 结果：心电门控CACS和基于AI非心电门控CACS中位数分别为51.00（IQR：6.50，167.50）、33.23（IQR：2.50，139.44）。与心电门控CACS相比，基于AI非心电门控CACS经Spearman相关分析和ICC分析在LM、LAD、LCX、RCA的CACS及Agatston总和都表现出很好的相关系和一致性，ρ=0.777、0.958、0.848、0.854、0.968（p＜0.001），ICC=0.768、0.907、0.909、0.891、0.955（p＜0.001）。Bland-Altman图也显示很好的一致性。在CAC-DRS分级Agatston评分风险类别分层的混淆矩阵显示，准确率分别为83.3%、71.3%，κ=0.760、0.624（P＜0.01）。心电门控CACS和基于AI非心电门控CACS对于10年ASCVD发病中高风险组的AUC分别为0.768、0.750。 结论：基于AI非心电门控胸部CT平扫一站式筛查评估CACS既能够进行肺结节的筛查，又有助于CAC评分的普及应用，有望作为指导ASCVD预防有价值的无创性检查方式，以期提供最佳的个性化治疗方案。
NETL