基于双能CT肺动脉造影的慢性肺血栓栓塞症患者肺灌注自动定量模型的开发
前瞻性单中心观察性队列研究纳入32例CTEPD与151例CTEPH患者,开发PerAIDE人工智能系统自动定量DE-CTPA上的正常、减低与缺损三种肺灌注模式。PerAIDE与放射科医师PBV评分一致性ICC=0.778,分析时间31±3秒 vs 手工15±4分钟(p<0.001)。CTEPH灌注缺损比例高于CTEPD(0.35 vs 0.29,p<0.001),灌注缺损鉴别CTEPH的AUC=0.809(95%CI 0.745–0.863)。
要点
- PerAIDE自动定量DE-CTPA肺灌注,与放射科医师PBV评分一致性ICC=0.778(95%CI 0.715–0.828)。
- CTEPH灌注缺损比例高于CTEPD(0.35 vs 0.29,p<0.001),CTEPD减低灌注比例更高(0.36 vs 0.30,p<0.001)。
- 灌注缺损比例与PVR(ρ=0.534)、mPAP(ρ=0.482)正相关,与氧合指数负相关(ρ=−0.441)。
核心结论
- CTEPD与CTEPH在DE-CTPA上呈现不同的灌注表型,PerAIDE可可靠定量灌注异常并与CPE严重程度的临床及血流动力学标志物相关。
研究设计与样本
- 前瞻性单中心观察性队列研究,2022年1月至2024年7月连续纳入183例患者(CTEPD 32例、CTEPH 151例),均行DE-CTPA与右心导管检查(间隔48小时内)。
- DE-CTPA采用双源CT双能采集(100 kVp与Sn140 kVp),对比剂为碘普罗胺48 mL、流率4.0 mL/s,重组层厚1.5 mm、间隔1.0 mm,CTDvol为4.31 mGy/cm。
- 以多学科团队依据临床表现、影像及右心导管数据达成的CTEPD/CTEPH共识诊断为参考标准,mPAP超过20 mmHg归为CTEPH。
- 由两名胸部放射科医师在轴位PBV图上对18个肺段行3点评分(0为无灌注缺损、1为缺损小于肺段体积50%、2为缺损达50%及以上),分歧经共识解决。
- PerAIDE基于U-Net肺分割与自适应阈值算法,将肺区分为灌注缺损、减低灌注与正常灌注三类并输出绝对体积与相对百分比。
关键影像表现/征象
- PerAIDE生成彩色叠加图:红色为灌注缺损(血流完全缺失)、蓝色为减低灌注(血流减弱但未完全缺失)、绿色为正常灌注。
- CTEPH患者灌注缺损比例高于CTEPD(0.35 vs 0.29,p<0.001),CTEPD患者减低灌注比例高于CTEPH(0.36 vs 0.30,p<0.001)。
- 两组正常灌注区域比例无显著差异(p=0.256);CTEPH组PBV评分1(0.33 vs 0.17,p<0.001)与评分2(0.31 vs 0.14,p<0.001)均高于CTEPD组。
- BPA术后3个月随访(30例)PerAIDE灌注缺损由0.36±0.07降至0.33±0.06(p<0.01),减低灌注区域保持稳定(p=0.29)。
诊断标准与关键数值
- PerAIDE灌注缺损鉴别CTEPH的AUC=0.809(95%CI 0.745–0.863),与PBV评分1(AUC=0.836,95%CI 0.774–0.887)及PBV评分2(AUC=0.819,95%CI 0.755–0.872)无统计学显著差异(p>0.05)。
- PerAIDE灌注缺损诊断CTEPH的最佳阈值为0.34,特异度90.62%、敏感度62.91%。
- 临床参数(6MWD与NT-proBNP)识别CTEPH的AUC=0.833(95%CI 0.751–0.914),加入PerAIDE灌注缺损后联合AUC=0.855(95%CI 0.780–0.929),DeLong检验示该提升未达统计学显著(p=0.45)。
- PerAIDE减低灌注区域区分CTEPD的AUC=0.704(95%CI 0.632–0.769)。
- 识别不良WHO-FC(III或IV级,44例,24.04%)的AUC:PBV评分1为0.759(95%CI 0.690–0.819)、PBV评分2为0.745(95%CI 0.675–0.806)、PerAIDE灌注缺损为0.666(95%CI 0.592–0.734)、灌注不良区域为0.650(95%CI 0.576–0.719),各方法间无显著差异(p=0.83)。
临床应用与阅片要点
- PerAIDE分析时间31±3秒,显著短于放射科医师手工评估的15±4分钟(p<0.001)。
- 手工PBV评分仅评估灌注缺损范围而不考虑强度变化,故一致性分析将PerAIDE的减低灌注与灌注缺损合并为灌注不良区域后与手工PBV评分比较。
- 灌注缺损比例与PVR(ρ=0.534)及mPAP(ρ=0.482)正相关,与CO(ρ=−0.492)、SvO2(ρ=−0.311)、6MWD(ρ=−0.284)、氧合指数(ρ=−0.441)负相关,与NT-proBNP正相关(ρ=0.428)。
- 减低灌注区域与CO(ρ=0.366)、SvO2(ρ=0.178)、6MWD(ρ=0.235)、氧合指数(ρ=0.315)正相关,与sRVP(ρ=−0.316)、sPAP(ρ=−0.306)、PVR(ρ=−0.311)负相关。
- 心脏运动或大血管对比剂伪影所致的假性缺损需从分析中排除。
局限性
- 原文未报告局限性。
全文中译18 节 · 点击展开
引言
慢性血栓栓塞性肺动脉高压(CTEPH)和慢性血栓栓塞性肺疾病(CTEPD)是慢性肺血栓栓塞症(CPE)的症状性表现,主要根据静息状态下是否存在肺动脉高压(PH)加以区分[1]。近期证据提示,约28%的患者在急性肺栓塞(APE)发作后发生CTEPD[2],显著影响生活质量和长期临床结局[3, 4]。尽管APE幸存者中CTEPH的发生率相对较低,为2.7%[5],但其仍是最严重的慢性并发症。由于症状缺乏特异性以及确诊所需的右心导管检查(RHC)具有侵入性,诊断和治疗常常被延误。
计算机断层扫描肺动脉造影(CTPA)在CPE的评估中发挥核心作用。双能计算机断层扫描肺动脉造影(DE-CTPA)的应用日益受到重视,因其能够同时显示肺栓塞并通过碘图评估灌注,从而提高CPE的整体诊断准确性[6, 7]。重要的是,DE-CTPA期间的辐射暴露与传统通气/灌注(V/Q)扫描相当[8]。DE-CTPA在检测CPE方面具有高诊断准确性,并与V/Q扫描显示良好的一致性[9, 10]。然而,不同放射科医师对碘灌注图的判读存在变异性,引入了主观性,凸显了标准化、客观评估工具的必要性。
人工智能(AI)和自适应算法在多种放射学应用中显示出巨大前景,例如在急性缺血性卒中中分割梗死核心和缺血半暗带,以及检测治疗后的出血转化[11, 12]。受这些进展启发,我们假设类似的基于AI的技术可促进对CPE患者DE-CTPA上肺灌注血容量(PBV)的定量、无创评估。此外,定量灌注指标与临床参数(包括血流动力学和疾病严重程度)之间的关联在CTEPD和CTEPH中仍未得到充分探索。因此,本研究的目的如下:(1)开发基于DE-CTPA的AI驱动肺灌注定量系统,命名为PerAIDE;(2)比较CTEPD与CTEPH患者的灌注特征;(3)研究PerAIDE衍生的灌注参数与临床数据之间的相关性,并评估这些指标反映CTEPD和CTEPH疾病严重程度及治疗反应的潜力。
材料与方法
研究设计与队列
这是一项前瞻性、单中心观察性队列研究,于2022年1月至2024年7月期间进行。该研究获得机构审查委员会批准(批准号:2022-KY-240),并按照《赫尔辛基宣言》进行。研究期间就诊于本机构的疑似CPE患者在提供书面知情同意后连续入组。纳入标准为年龄大于18岁且在48小时时间窗内同时接受DE-CTPA和RHC检查。排除标准包括因肺动脉对比增强欠佳或严重呼吸运动伪影导致的成像质量不佳、存在其他肺血管疾病包括APE、大动脉炎、纤维性纵隔炎、肺动脉肉瘤或其他形式的PH,以及在CTPA之前有肺动脉血栓内膜剥脱术史(图1)。CPE的诊断基于既定标准[13],要求在至少3个月的标准化抗凝治疗后,通过CTPA或V/Q扫描确认慢性血栓栓塞性阻塞。
临床评估
对每位参与者进行了全面的临床评估。记录人口学数据,包括年龄、性别和体重指数(BMI)。记录临床特征,如合并症、实验室检查结果、世界卫生组织功能分级(WHO-FC)和6分钟步行距离(6MWD)。由多学科专家团队通过共识确定CTEPD或CTEPH的最终诊断,依据包括临床表现、机化性纤维性阻塞和灌注异常的影像学证据,以及通过RHC获得的血流动力学数据的综合判断[13]。
RHC
所有患者均接受RHC检查,使用6F Swan-Ganz导管(Bioptimal)经右侧颈内静脉或股静脉途径进行。测量以下血流动力学参数:平均肺动脉压(mPAP)、平均右心室压、平均右心房压、收缩期肺动脉压(sPAP)、收缩期右心室压(sRVP)、肺动脉楔压、肺血管阻力(PVR)、肺血管阻力指数和混合静脉血氧饱和度(SvO2)。心输出量(CO)和心脏指数(CI)采用Fick法计算。mPAP超过20 mmHg的患者归入CTEPH组,否则归入CTEPD组。在3个月随访时评估治疗效果。
DE-CTPA扫描方案
所有DE-CTPA检查均使用双源计算机断层扫描(CT)扫描仪(Siemens Healthineers)完成,该扫描仪配备100 kVp和Sn140 kVp的双能采集功能。扫描参数包括使用CARE Dose4D、旋转时间0.28 s、准直64 × 0.6 mm、螺距0.55。静脉对比剂使用碘普罗胺共48 mL,流速4.0 mL/s,随后以20 mL生理盐水冲洗。采用自动团注跟踪技术,将感兴趣区置于主肺动脉,当达到100 HU阈值后延迟5 s开始图像采集。全胸从头到尾方向的扫描在单次屏气内完成。图像以1.5 mm层厚、1.0 mm间隔重建。PBV图使用SyngoVia后处理平台(Siemens Healthineers)生成,该平台专为DE-CTPA图像分析设计。CTDvol为4.31 mGy/cm。
PerAIDE的开发——一种基于DE-CTPA的肺灌注人工智能自动定量分析系统
数据预处理
匿名化DE-CTPA医学数字成像和通信(DICOM)数据经过标准化预处理。首先,使用自适应双边滤波进行降噪,以保留CT和PBV图像中的边缘细节[14]。其次,应用强度归一化以标准化灰度范围,这对于PBV灌注的跨患者比较至关重要。第三,通过连通域分析进行几何校正以处理呼吸和运动伪影,其中小于最大连通区域5%的连通分量被去除。第四,使用肺特异性对比度受限自适应直方图均衡化(CLAHE)[15]进行对比度增强,裁剪限值为2.0,采用8 × 8瓦片网格,增强CT图像中的结构清晰度并改善PBV图中的灌注对比度。
图像分割
肺分割使用优化的U-Net架构(图2)完成,该架构由带跳跃连接的编码器-解码器结构组成。编码器包括四个下采样模块,每个模块包含两个3 × 3卷积层,随后为批归一化、ReLU激活和步长为2的2 × 2最大池化。特征通道数从64依次增加至512。在瓶颈层应用丢弃率为0.5的dropout层进行正则化。解码器镜像该结构,采用2 × 2转置卷积将通道数减半并使空间分辨率加倍,跳跃连接拼接对应的编码器特征。最后一层为带sigmoid激活的1 × 1卷积,生成分割概率图。网络在512 × 512 CT切片上训练,批大小为16,使用Adam优化器(学习率 = 1e−4)和结合Dice损失与二元交叉熵的混合损失函数。该分割保留了解剖准确性,实现了PBV图的精确配准,并作为下游肺功能评估的关键输入。
定量与可视化
对配准后的CT和PBV图像进行定量分析(图2)。采用刚性配准以确保CT与PBV数据集之间的准确解剖对齐。基于局部强度分布的自适应阈值法将肺区域分为三种灌注状态——灌注缺损、灌注减低和正常灌注——确保对异质性模式的稳健性。应用邻域空间平滑以细化边界并尽量减少假阳性误分类。随后计算定量指标,包括各灌注类别相对于全肺体积的绝对体积和相对百分比。为便于视觉呈现,我们在原始CT图像上生成彩色编码叠加图,使用不同的颜色代码区分灌注类别(图2)。图3展示了PerAIDE系统从典型CTEPD和CTEPH病例生成的代表性CT图像、PBV图、CT-PBV融合图像及自动定量分析结果。灌注缺损以红色显示(A4和B4),代表肺血流完全缺失的区域。灌注减低区域以蓝色显示,反映灌注减少但未完全缺失。绿色编码区域代表正常灌注区域。工作流程的更多细节见补充材料(第1部分)。
人工评估
人工评估由两名委员会认证的胸部放射科医师独立进行,并对临床数据设盲。他们使用标准化的3分评分系统[16]在轴位PBV图像上评估18个肺段:0表示无灌注缺损,1表示缺损累及小于50%的肺段体积,2表示缺损累及50%或以上(图S1)。所有评估均使用轴位彩色编码PBV图进行,其中黑色和红色区域分别表示灌注减低和正常灌注。由心脏运动或大血管对比剂伪影引起的假性缺损被排除在分析之外。放射科医师之间的任何分歧均通过共识解决,最终评分通过汇总所有肺段评分得出。除PBV评分外,还记录放射科医师的判读时间,以便对人工评估与PerAIDE系统之间的效率进行定量比较。
统计分析
所有统计分析均使用R 4.4.2版和MedCalc 20.0.22版进行。连续变量以均数±标准差或中位数伴四分位间距表示,分类变量以频数和百分比汇总。对正态分布数据采用配对t检验比较治疗前后参数。需要注意的是,人工PBV评分仅评估灌注缺损的范围,并不考虑强度变化。为评估PerAIDE衍生参数的准确性,将系统识别出的灌注减低区和灌注缺损区合并定义为灌注不良区域。随后将灌注不良肺容积百分比与人工PBV评分进行比较以进行一致性分析。观察者间一致性采用基于双向混合效应模型的组内相关系数(ICC)进行量化,阈值定义如下:< 0.40(差)、0.40–0.59(一般)、0.60–0.74(良好)、≥ 0.75(优)。Spearman相关系数,强度分类为强(|ρ| ≥ 0.7)、中等(0.5–0.7)、弱(0.3–0.5)和可忽略(< 0.3)。诊断效能通过受试者工作特征(ROC)曲线分析评估,以曲线下面积(AUC)作为主要指标。p值小于0.05被认为具有统计学显著性。
结果
患者特征
在2022年1月至2024年7月期间接受DE-CTPA的254例患者中,183例患者(32例CTEPD和151例CTEPH)符合纳入标准。排除包括56例无RHC数据的患者、14例诊断为其他肺血管疾病的患者和1例图像质量欠佳的患者。研究流程图见图1。基线特征和临床数据详见表1。患者中位年龄为58岁,男性占队列的49.18%(n = 90)。大多数患者有静脉血栓栓塞症(VTE)病史(n = 152,83.06%),仅8例患者有癌症病史。超过半数(n = 116,63.39%)合并心肺疾病。大多数患者被归类为WHO-FC II级,中位6MWD为430 m。
与CTEPD患者相比,CTEPH患者年龄显著更大(60 vs. 48.5岁,p = 0.004),病程更长(376.00 vs. 216.50天,p = 0.027)。两组间在性别、BMI、吸烟状态、VTE或癌症病史方面未观察到显著差异。然而,与CTEPD患者相比,CTEPH患者的6MWD显著更低、氧合指数受损、D-二聚体和NT-proBNP水平升高(均p < 0.05),以及mPAP和PVR增高。相反,CTEPH组的CO、CI和SvO2显著更低。
CTEPD与CTEPH之间的灌注参数
PerAIDE在31±3秒内成功分割并量化了正常、减低和缺陷灌注区域——显著快于放射科医生的手动评估,后者需要15±4分钟(p<0.001)。PerAIDE识别的灌注不良区域与手动PBV评分显示出极好的一致性,ICC为0.778(95%置信区间(CI):0.715–0.828)。CTEPH患者的灌注缺陷比例显著高于CTEPD患者(表2;0.35 vs. 0.29,p<0.001),而CTEPD患者显示出更高比例的灌注减低区域(0.36 vs. 0.30,p<0.001)。两组之间正常灌注区域的比例未观察到显著差异(p=0.256)。此外,CTEPH组的PBV评分显著更高(PBV评分1:0.33 vs. 0.17,p<0.001;PBV评分2:0.31 vs. 0.14,p<0.001),如表2所示。
PerAIDE衍生的灌注参数与血流动力学之间的相关性
PerAIDE衍生的灌注参数与血流动力学和临床变量均显示出显著相关性(图4)。灌注缺陷与PVR呈中度正相关(ρ=0.534),与mPAP呈弱正相关(ρ=0.482),同时与CO(ρ=−0.492)和SvO2(ρ=−0.311)呈负相关(均p<0.01)。相反,灌注减低区域与CO(ρ=0.366)和SvO2(ρ=0.178)呈弱正相关,与sRVP(ρ=−0.316)、sPAP(ρ=−0.306)和PVR(ρ=−0.311)呈弱负相关。
临床上,灌注缺陷与功能能力和气体交换指标呈负相关,包括6MWD(ρ=−0.284)和氧合指数(ρ=−0.441),并与NT-proBNP水平呈正相关(ρ=0.428)(图S2)。相比之下,灌注减低区域与6MWD(ρ=0.235)和氧合指数(ρ=0.315)均呈正相关。
灌注参数对CPE和不良WHO-FC的预测性能
ROC分析显示,PerAIDE衍生的灌注缺陷在区分CTEPH与CTEPD方面表现出与放射科医生PBV评分相当的诊断性能。基于PerAIDE的灌注缺陷的AUC为0.809(95%CI:0.745–0.863),与PBV评分1(AUC:0.836;95%CI:0.774–0.887)和PBV评分2(AUC:0.819;95%CI:0.755–0.872)相似,两者之间无统计学显著差异(p>0.05;图5A)。基于PerAIDE的灌注缺陷的最佳诊断阈值为0.34,诊断CTEPH的特异度为90.62%,敏感度为62.91%。
为进一步提高诊断准确性,纳入了包括6MWD和NT-proBNP在内的临床参数。这些临床参数单独用于识别CTEPH时,AUC为0.833(95% CI:0.751–0.914)(图5B)。当将PerAIDE衍生的灌注缺损加入该临床模型后,联合AUC提高至0.855(95% CI:0.780–0.929)。然而,DeLong检验表明该改善无统计学意义(p = 0.45)。此外,PerAIDE量化的灌注减低区域能够区分CTEPD,AUC为0.704(95% CI:0.632–0.769;图5C)。
共有44例(24.04%)被归类为WHO-FC III级或IV级较差。ROC分析显示,PBV评分1和PBV评分2能够准确识别WHO-FC较差的患者,AUC分别为0.759(95% CI:0.690–0.819)和0.745(95% CI:0.675–0.806)(图5D)。同样,基于PerAIDE的灌注缺损和灌注不良区域的AUC分别为0.666(95% CI:0.592–0.734)和0.650(95% CI:0.576–0.719)。这些方法之间未观察到显著差异(p = 0.83)。
球囊肺动脉成形术(BPA)治疗前后的肺灌注参数
在30例于BPA后3个月接受随访DE-CTPA的患者亚组中,PerAIDE分析显示灌注缺损显著减少(0.36 ± 0.07 vs. 0.33 ± 0.06;p < 0.01;图6),而灌注减低区域保持稳定(p = 0.29)。同样,放射科医师评估的PBV评分在BPA后显示显著改善(评分1:0.40 ± 0.16降至0.28 ± 0.14;评分2:0.37 ± 0.16降至0.26 ± 0.14;均p < 0.01),表明干预后肺灌注有可测量的改善。
讨论
在本研究中,我们开发了PerAIDE,一种利用DE-CTPA的自动化肺灌注定量系统。PerAIDE集成了U-Net深度学习架构与自适应阈值算法,以促进对CPE的客观快速评估。主要发现总结于图文摘要中:(1)PerAIDE能更有效地量化DE-CTPA上的灌注,并与放射科医师手动PBV评分显示出良好一致性;(2)灌注缺损百分比与PVR和mPAP呈正相关,而灌注减低百分比与这些血流动力学参数呈负相关;(3)CTEPH以广泛灌注缺损为特征,而CTEPD以更多灌注减低压较少灌注缺损为特征;(4)PerAIDE量化的灌注缺损密切反映CPE患者的临床严重程度,并与治疗反应相关。
PerAIDE的设计利用U-Net的编码器-解码器结构和跳跃连接来实现准确的肺部分割。自适应阈值算法根据实时反馈动态调整分割参数[17–19],优化灵敏度与特异度之间的平衡[15]。该方法学方法与类似算法在医学影像中的成功应用一致,例如急性缺血性卒中CT扫描中出血转化的量化[11]和梗死核心分割[12]。PerAIDE不仅在DE-CTPA上分类灌注模式的准确性上与放射科医师相当,而且大幅缩短了处理时间,突显其作为快速灌注评估的临床有价值工具的潜力。
源自DE-CTPA的PBV测量提供了对肺血流的直接洞察,并有助于评估循环状态[20]。越来越多的证据支持PBV量化作为一系列肺部疾病的预后标志物,包括APE、慢性阻塞性肺疾病,甚至2019冠状病毒病(COVID-19)[21–23]。先前的半自动化方法将肺区域分割为正常和灌注不良区域,但未能区分灌注减低与真正的灌注缺损[24]。据我们所知,本研究首次引入肺灌注减低的概念——类似于脑缺血中的缺血半暗带概念——并阐明其在CTEPD和CTEPH中的临床相关性。
我们的发现与既往研究一致,这些研究证明了CPE中灌注指标与有创血流动力学参数之间存在显著相关性。值得注意的是,当PerAIDE量化的灌注缺损超过34%时,合并PH的概率大幅增加。既往研究同样报道了PBV评分与有创血流动力学之间的正相关关系,支持其作为CTEPH严重程度指标的作用[16, 25–27]。有趣的是,本研究表明,灌注减低百分比与CPE患者的血流动力学参数呈负相关,并可有效预测CTEPD的存在。在临床实践中,鉴别CTEPH与CTEPD主要取决于静息性PH的检出。然而,CTEPH在早期往往表现为轻微或非特异性症状,使诊断具有挑战性。确诊通常需要有创RHC,但部分患者可能在疾病早期不愿接受该检查。因此,诊断常被延误——平均延误14.1个月——导致适当治疗的推迟[28]。鉴于这些挑战,PerAIDE衍生的灌注参数可作为有价值的无创工具,帮助临床医生识别需要进一步行RHC评估的患者。
使用PerAIDE,我们识别出CTEPH与CTEPD之间不同的灌注表型。CTEPH患者表现出广泛的灌注缺损,而CTEPD患者主要表现为灌注面积减少伴轻微缺损。这些不同的影像学表型为理解这些疾病背后的病理生理差异提供了有价值的见解。证据表明,灌注缺损的严重程度反映了微血管重塑和损伤的程度[29]。例如,一项针对系统性硬化症患者的研究表明,尽管CT上肺部浸润影轻微或无明显浸润,存在肺灌注异常的患者经历了更严重的呼吸困难 and 运动耐量下降,提示微血管病变[30]。CTEPD与CTEPH的影像学鉴别主要依赖于识别此类微血管受累[31, 32]。因此,本研究中DE-CTPA检测到的灌注模式可能代表与微血管病变严重程度的影像学关联,从而解释了观察到的临床和血流动力学特征的差异。
本研究表明,基于PerAIDE的灌注缺损指标与CPE患者的心肺功能显著相关,并可辅助临床风险分层。此外,将PerAIDE衍生的灌注缺损测量纳入现有临床参数可在一定程度上提高诊断CTEPH的预测准确性。从DE-CTPA获得的PBV评分与APE患者的右心 strain 和疾病严重程度相关,突显其作为预后指标的潜力[21, 29, 33–38]。在CT成像未能检测到明确血栓的情况下,DE-CTPA上肺灌注缺损的范围与全因死亡风险相关,强调了肺灌注评估的关键临床重要性[39]。此外,我们的发现提示PerAIDE衍生的灌注缺损可作为低氧血症的标志物。在肺气肿、肺癌和COVID-19等其他肺部疾病患者中也有类似观察的报道[22, 23, 40]。
此外,基于PerAIDE的灌注缺损在BPA治疗后显示出显著改善,与临床疗效密切相关,并有望作为评估治疗反应和确定BPA终点的随访工具[41]。Koike等人报告了类似的结果,证明PBV的改善反映了肺灌注的增强,并与mPAP、PVR和6MWD呈正相关[42]。
然而,我们的研究存在若干局限性。第一,尽管为单中心开展,但它是迄今为止最大的CPE队列;然而,仍需多中心验证PerAIDE的性能。第二,当前的AI分割方法仅限于全肺分析——未来的发展应纳入肺叶和肺段定量,以更好地指导BPA规划和评估治疗效果。第三,该研究未整合形态学影像数据或长期临床结局,突出了未来研究将影像组学特征与延长随访相结合以提高临床适用性的必要性。
结论
PerAIDE能够有效、准确地量化肺灌注异常,并显示与CPE临床严重程度呈强相关,凸显了其在初始评估和纵向随访中的潜在效用。此外,PerAIDE在CTEPD和CTEPH中识别出的不同灌注模式为其潜在的病理生理差异提供了新见解。这些基于影像的表型可能有助于阐明驱动CTEPH中从灌注异常进展为明显PH的机制,从而支持更有针对性的诊断和治疗策略。
补充信息
电子补充材料
引用
- Xi L, Wang J, Liu A, et al. Development of a lung perfusion automated quantitative model based on dual-energy CT pulmonary angiography in patients with chronic pulmonary thromboembolism. Insights Imaging. 2025. PMID: 40825922. doi:10.1186/s13244-025-02067-6
- 全文:PMC12361028(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12361028/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。