肺癌（LC）、慢性阻塞性肺疾病（COPD）和心血管疾病（CVD）这 “三大疾病” 预计到 2050 年将成为全球主要的死亡原因。除了能检测肺部结节外，胸部低剂量计算机断层扫描（LDCT）还可对冠状动脉钙化（CAC）和肺气肿进行检测及量化，而它们分别是心血管疾病（CVD）和慢性阻塞性肺疾病（COPD）公认的生物标志物。

鉴于有证据表明肺癌（LC）死亡率可降低 20% - 40%，一些国家相关部门和国际科学团体越来越支持基于低剂量计算机断层扫描（LDCT）的肺癌筛查（LCS）项目。由于这 “三大疾病” 有着共同的主要危险因素，实施肺癌筛查（LCS）的这些努力可能会通过大量可获取的低剂量计算机断层扫描（LDCT）图像，为改善心血管疾病（CVD）和慢性阻塞性肺疾病（COPD）的二级预防提供独特机会。如此庞大且具有异质性的影像数据量，使得需要一种省时且可重复的影像分析方法。放射学文献对定量成像领域进行了探索，借助基于人工智能（AI）的系统，使得能够获取用于评估肺气肿和冠状动脉钙化（CAC）的客观参数。然而，基于人工智能（AI）对冠状动脉钙化（CAC）和肺气肿进行客观且可重复的量化是否以及在多大程度上受 CT 辐射剂量的影响，仍有待明确。

最近，发表在European Radiology 上的一篇文章评估了在肺癌筛查（LCS）人群中，采用不同辐射剂量方案获取的计算机断层扫描（CT）图像上冠状动脉钙化（CAC）负荷和肺气肿范围自动测量结果的一致性。

患者队列包含 361 名连续的筛查对象，所有患者在一次筛查中均接受了低剂量 CT（LDCT）扫描和超低剂量 CT（ULDCT）扫描。冠状动脉钙化（CAC）测量的排除标准为软件故障以及既往有心血管疾病（包括冠状动脉支架植入）病史，而肺气肿评估的排除标准仅为软件故障。使用全自动人工智能软件对 CT 图像进行回顾性分析，以进行 CAC 评分（采用三个预先定义的阿加斯顿评分类别：0 - 99、100 - 399 和≥400）以及肺气肿量化（采用低密度区域百分比，即% LAA）。人口统计学和临床数据通过每位参与者首次就诊时填写的书面问卷获取。通过带有弗莱斯-科恩权重（Kw）的科恩κ指数以及组内相关系数（ICC）并结合 95% 置信区间（CI）来衡量CAC和% LAA分类的一致性。

在 327 名志愿者中，有 275 名（84%）观察到 CAC 分层重叠，呈现出几乎完美的一致性（Kw = 0.86，95% CI 为 0.82 - 0.90；ICC = 0.86，95% CI 为 0.79 - 0.90）。在 356 名志愿者中，有 204 名（57%）发现 % LAA 分层重叠，一致性为中等程度（Kw = 0.57，95% CI 为 0.51 - 0.63；ICC = 0.57，95% CI 为 0.21 - 0.75）。

图 LDCT和ULDCT扫描对象的辐射暴露

本项研究表明，在超低剂量 CT（ULDCT）上进行冠状动脉钙化（CAC）自动量化似乎是可行的，其结果与在低剂量 CT（LDCT）上获得的结果相似，然而在超低剂量 CT（ULDCT）图像上对肺气肿的量化往往会被高估。

原始出处：

Roberta Eufrasia Ledda,Gianluca Milanese,Maurizio Balbi,et al.Coronary calcium score and emphysema extent on different CT radiation dose protocols in lung cancer screening.DOI:10.1007/s00330-024-11254-w