使用深度学习对低碘、低辐射CTPA进行分类以提高诊断安全性

为危险的肺部血栓提供更安全的扫描

肺动脉栓塞是肺部血管的突然阻塞，若漏诊可能迅速致命。医生依赖一种特殊的CT检查——肺动脉CT血管造影（CTPA）来发现这些血栓。但当前最可靠的扫描通常伴随较高剂量的X射线辐射和含碘对比剂，这可能对肾脏造成负担并增加终身癌症风险。本研究探讨了现代人工智能（AI）是否能在大幅降低辐射和对比剂用量的同时，保留CTPA的救命准确性，从而可能为易受伤害的患者带来更安全的检查选项。

为什么当前扫描存在权衡

标准CTPA通过较强的X射线和大量碘对比剂产生清晰的肺血管图像，使血管在扫描中显现。这种清晰度有助于放射科医师看到微小血栓，但代价是：重复成像会导致累积辐射暴露，对比剂则可能损害肾功能较弱或合并心脏病的患者。当放射团队尝试降低辐射或碘剂量时，图像会变得颗粒感强且暗淡，使细小血栓难以与正常解剖结构区分开来。传统的计算机算法，甚至许多深度学习工具，都是为全剂量扫描设计的，当图像质量下降时往往表现不佳。

面向低剂量成像的两步AI辅助系统

作者设计了一个专门针对低碘、低辐射CTPA的两阶段AI框架。第一步，一个“图像增强”网络对模糊、有噪声的扫描进行锐化。它通过分析像素模式及其频率成分——本质上将细微边缘、血管轮廓和细腻纹理从背景噪声中分离出来——然后增强重要细节并抑制干扰。第二步，一个“双分支”分类器同时查看原始低剂量图像及其增强版本。一个分支关注胸部的整体结构，另一个分支放大血管的细节。系统通过注意力机制融合这两种视角，学习在何时更信任哪个分支。

一个新的真实世界数据集及其测试方式

为使该方法具有临床意义，研究团队汇集了在北京医院扫描的191名成人的新数据集，扫描时刻意降低辐射并仅使用30毫升碘对比剂——显著低于常规方案中常用的50–100毫升。经验丰富的放射科医师对每例进行了标注，并对其中一部分病例精细描绘了含血栓的切片。研究者还从大型公开数据集中模拟生成了低剂量图像，先用于模型的预训练，然后在真实低曝光扫描上进行微调。随后他们用标准诊断指标评估性能，例如敏感性（找出多少真实血栓）、特异性（避免多少误报）以及ROC曲线下面积（总体准确性的汇总指标）。

更清晰的图像与更可靠的血栓检测

仅靠图像增强网络就比若干知名超分辨方法生成了更清晰的血管图像，保留了细微结构且限制了人工“伪造”细节。然而，仅使用增强图像进行诊断并未优于直接使用原始低剂量图像，因为锐化有时会放大无害的模式，使其类似疾病表现。真正的进步来自双分支设计：通过将原始图像的稳定性与增强图像的额外细节结合，系统获得了0.928的高ROC曲线下面积，并实现了敏感性与特异性的平衡。当加入额外噪声时性能仍然稳健，表明其能够应对真实世界低剂量成像的不完美条件。

这对患者可能意味着什么

对患者而言，关键的信息是AI可能在不牺牲可靠性的前提下，让用于肺动脉栓塞的关键检查变得更安全。研究表明，经过精心设计、针对任务的AI系统可以弥补因降低辐射和减少碘对比剂而导致的一部分图像质量损失。这对于需要反复影像检查的人群，或因肾功能或整体健康状况使常规对比剂剂量存在风险的患者，可能尤其有价值。尽管仍需在更多医院和不同扫描仪类型上进行更广泛的测试，但这项工作指向了一个前景：在更温和、更利于患者的CT方案下实现救命的血栓检测。

引用: Hong, M., Gu, T., An, H. et al. Enhancing diagnostic safety with low iodine, low radiation CTPA classification using deep learning. Sci Rep 16, 7205 (2026). https://doi.org/10.1038/s41598-026-38223-1

关键词: 肺动脉栓塞, 低剂量CT, 肺动脉CT血管造影, 医学影像人工智能, 对比剂减少