肺栓塞（PE）作为多因子堵塞肺动脉诱发的疾病，可能会发生肺循环及呼吸功能障碍，在全球范围内，肺栓塞发生率较高，对患者健康有一定的威胁。肺栓塞患者死亡率高，尤其是发病1个月内未及时治疗，我国肺栓塞患者数量多，临床表现各不相同，轻度病患症状是呼吸困难及胸痛、咯血及猝死，对临床诊断及治疗均带来挑战^[1]。肺动脉CT血管造影（CTA）作为诊断疾病影像技术，可显示肺动脉及分支状态及栓塞情况，为诊断提供支持，而过往CTA技术需要医生主观评估，该诊断技术可能有局限性。而人工智能技术进展后，其数据分析及处理能力强，在医学领域内该技术可辅助疾病诊断，并评估此类患者预后可能达到的效果。人工智能技术在CTA图像分析上，据数据综合结果评估后，无需主观判断，提升诊断效能，降低误诊风险。为此，本研究探索人工智能辅助CTA诊断肺栓塞的价值。

一、人工智能对辅助诊断的价值

人工智能技术概念在1956年便已经提出，该学科是计算机科学的分支，也是研究及开发模拟多模型技术。该技术在疾病诊断领域，基于算法对数据进行分析，对真实世界事件判断及预测。传统算法含有决策树学习、逻辑推导等。人工智能技术融合神经卷积网络（CNN），模仿人脑给出解释，可专用处理信息。而CNN作为代表算法，其中涵盖多级神经元，其中有多个层级连接，对输入数据整合，整体输出，对真实数据及期望数据比较，可获得差值，针对该指标权重分析，可建立调和网络^[2]。优质的CNN需要较多的图像进行训练，直到数据非常精准。辅助疾病诊断中，人工智能技术对视觉图像检测及分割，实现对图像多层次理解。在肺栓塞类疾病诊断中，人工智能技术可对栓子进行定性及定量评估，从而提升诊断的敏感度，降低假阳性率。

二、人工智能CTA检出肺栓塞问题

（一）数据质量问题

人工智能技术下对CTA影像进行扫描，辅助发现血栓。但目前扫描期间数据质量及数量问题还需要解决，数据获取困难是面对的首选问题，肺栓塞是颇为复杂疾病，CTA图像多分布在各个医院内，不同医院的数据储存、标注模式存在差异，导致人工智能技术在数据整合上面对较多的困难^[3]。部分小型医院的技术设备差，所获取CTA图像质量低，无法达到人工智能训练需求。自多个医疗结构收集数据看，也涉及隐私保护及数据安全等问题，增加数据整合难度。数据质量参差不齐是比较突出问题，实际采集CTA期间，可能存在噪声及伪影等，此类问题将干扰模型对图像特征获取难度，模型性能不高。扫描设备及参数也会出现个体差异，不同图像对比度及亮度分辨率均存在差异，导致数据统一处理面对问题，若涵盖此类问题，将无法准确标注，导致肺栓塞检出率低。

（二）算法解释问题

深度学习算法是人工智能领域的核心技术，可辅助CTA检出肺栓塞，在图解与诊断上该技术具有较高的效能，但其内部机制颇为复杂。比如，深度学习模型中涵盖较多的神经元及网络，经过海量数据建立CTA图像，并诊断其中的结局，出具结果需要利用复杂数学算法及参数进行调整而形成，模型诊断前，内部推理过程无法被直观理解^[4]。此类不可解释性会引起医生对人工智能技术诊断结果信任度不足，便于对患者病情全面评估及制定适合的方案。针对深度学习结果，医生无法评估基于哪类图像进行判断，也无法评估决策是否合理，甚至会让医生产生怀疑，限制其对人工智能技术的应用。

三、人工智能CTA在肺栓塞检出的应用

（一）诊断效能评估

肺动脉CTA对肺栓塞诊断期间，以人工智能技术进行评估，需全面考虑多个指标，体现出人提供智能模型的性能。准确率作为评估一项重要指标，可模型评估样本的总体比例，肺栓塞检查期间，人工智能评估的数量代表患者是否发生疾病及栓塞数量，比如，有100例患者检查，但实际发生疾病仅有30人，而人工智能扫描图片后可正确判断25例，准确率为90%。为准确评估人工智能技术效能，多与金标准进行对比，肺动脉造影作为金标准，可显示肺动脉栓子，并提供精准信息^[5]。实际技术应用上，人工智能技术可对CTA结果扫描，与肺动脉造影技术对比，对比人工智能技术的各项性能指标，从而评估人工智能技术灵敏度是否足够，而人工智能技术相比人主观判断的准确率高，可作为一项诊断依据。

（二）深度学习在肺栓塞CTA成像应用

人工智能技术近两年高速发展，更多算法研发，在各个领域经验。CNN是深度学习中最具代表的算法，对栓子检查上，可基于人工神经网络（ANN）作为计算机辅助检测（CAD）的内部工具，自肺部通气角度扫描及预测PE。但PE自动诊断早期工作基于人工神经网络，其泛化能力低，无法成功评估，总体适应性不足。而患者为早期肺栓塞，其样本量小、假阳性率高，在人工智能技术上，CNN中的ZFNet、VGGNet等技术均可分析是否发生肺栓塞^[6]。比如，在ResNet技术上，对CTA中肺栓塞性能进行评估，考虑实际患者情况，对对比剂欠佳患者录入其中，并规划可能出现的血栓位置，经算法计算，检出灵敏度在92%以上。出现假阳性的原因是对比剂流动所引起的伪影，但总体看，未来的算法继续优化，人工智能辅助诊断的效率也更高。

结果

人工智能技术的深度学习能力不断增强，其算法也不断优化，在CTA图像扫描中，有利于辅助诊断患者是否发生肺栓塞及栓塞位置。自影像学角度看，还需评估如何满足医生的诉求，提升图像质量及正确应用技术，在肺栓塞诊断中，应基于风险评估，根据患者的病情及影像信息综合诊断，从而评估患者是否存在风险因子，并利用自动化识别技术判断患者预后等，为辅助医生工作奠定基础。

参考文献:

[1]杨舒同,李竹君,金超,侯伟,赵文哲,张宝平,田倩,肖瑶,荐志洁,刘哲.评估人工智能在CTPA肺栓塞诊断效能及肺栓塞指数中的临床应用价值[J].西安交通大学学报(医学版),2025,46(01):157-161.

[2]张会阳,李翔,杨欣,王翔.基于CT肺血管成像肺栓塞人工智能检测效能的临床研究[J].放射学实践,2024,39(09):1166-1171.

[3]孙淼,张金玲.CT肺动脉成像对急性肺栓塞早期风险分层及预后的研究进展[J].放射学实践,2024,39(09):1250-1253.

[4]吴卫强,朱亮飞,沈丽荣,区煜,刘海伦.基于人工智能肺动脉CT血管造影及肺栓塞检出应用的效能评估[J].中国呼吸与危重监护杂志,2024,23(01):24-29.

[5]张添辉,钟正,黄志峰,古志聪,范伟雄.人工智能在提高放射科住培医师诊断肺栓塞效能中的应用[J].影像研究与医学应用,2023,7(09):31-33.

[6]王秀廷,李嗣生,孙健,张根源,刘法银,张金涛.人工智能激光定位系统减少椎体成形定位时间与放射剂量的有效性[J].中国组织工程研究,2020,24(33):5295-5299.