人工智慧與動脈粥狀硬化斑塊測量：精要回顧
引言：CT冠狀動脈血管攝影與斑塊評估CT冠狀動脈血管攝影 (CTA) 是胸痛一線檢查。它能提供心臟及冠狀動脈的清晰影像，評估血管狹窄程度。CTA還能測量動脈粥狀硬化斑塊，特別是脂質豐富斑塊，因其易破裂，可能導致血管狹窄、心臟供血不足及心臟病發作。CTA影像可區分血流腔、斑塊及脂質核心。
AI應用於心臟影像學 人工智慧 (AI) 泛指執行智慧任務的計算程式。機器學習 (ML) 使AI從經驗中自動學習改進，深度學習 (DL) 則是ML子集，透過多層神經網路模仿人類認知。AI在心臟影像領域應用廣泛，涵蓋患者選擇、影像採集、重建、品質優化、量化與分割。其中，影像分割與量化已是主流，並整合於硬軟體中。AI的發展前沿在於疾病分類、報告、預後評估及患者管理。AI輔助冠狀動脈斑塊分析 一項國際多中心研究顯示，深度學習 (DL) 能實現血管、血流腔與斑塊的解剖分割。相較於專家手動分析每掃描約半小時，AI分析可在數秒內完成，大幅提升臨床可行性。DL與專家讀取、血管內超音波在總斑塊體積上的相關性極佳。
斑塊預測價值與追蹤
- 心臟病發作預測：SCOT-HEART試驗中，AI分析發現總斑塊體積大於238立方毫米顯著預測穩定胸痛患者的心臟病發作風險。即使調整心血管風險因子和狹窄程度，此預測力仍維持。早前研究也指出，低衰減斑塊（脂質核心替代指標）顯著預測心臟病發作風險，斑塊較大者風險高近五倍。
- 風險分層：根據斑塊體積百分位分析，總斑塊體積在最高百分位 (>75%) 的男性與女性心臟病發作風險最高。女性在各類型冠狀動脈斑塊體積上均較低。
- 改善預後判斷：ISCHEMIA試驗指出，AI量化斑塊分析能適度提高心血管死亡和心肌梗塞的鑑別能力。
- 斑塊消退與穩定化：AI也能用於追蹤斑塊變化。
- 一項研究顯示，他汀類藥物治療可導致總非鈣化斑塊和低衰減斑塊顯著減少，同時鈣化斑塊增加，這表示斑塊消退與穩定化。
- EVOLVE前瞻性研究發現，使用強效降脂藥PCSK9抑制劑 (Evolocumab) 一年半後，非鈣化斑塊和低密度非鈣化斑塊顯著減少，鈣化斑塊增加，顯示斑塊的消退和穩定化。冠狀動脈微鈣化活性也隨之降低。
機會性身體成分分析 一項新研究利用低劑量CT掃描，透過深度學習自動量化身體成分，包括骨骼肌、骨骼、皮下脂肪、心外膜脂肪、內臟脂肪和肌內脂肪。特定身體成分生物標誌物與心血管事件顯著相關。
- 高風險指標：骨骼肌體積和質量較低、高心外膜脂肪、高肌內脂肪組織、高內臟脂肪組織及骨骼衰減度低均與高風險相關。高皮下脂肪與事件相關性則較低。
AI在醫學中的價值 AI可為醫師提供「時間的禮物」，應被視為一種需被檢查和監督的工具。在精準醫療中，整合患者風險資訊至關重要。
