第 48 章 颈动脉疾病的 AI 和影像组学评估（Artificial Intelligence- and Radiomics-Based Evaluation of Carotid Artery Disease）
作者
- Michele Porcu, MD / Riccardo Cau, MD / Luca Saba, MD（通讯作者）—— Department of Radiology, Azienda Ospedaliero Universitaria di Cagliari, Cagliari, Italy。
- Jasjit S. Suri, PhD, MBA, FIEEE, FAIMBE, FAIUM —— Stroke Monitoring and Diagnostic Division, AtheroPoint™, Roseville, CA, USA。
本章位于 Part IV 胸部应用部分，承接第 47 章（主动脉）后，转向颈动脉疾病——颈动脉粥样硬化斑块（CAP）的 AI 与影像组学评估。属于"应用 + 综述"性质的章节，重点是 AI + 影像组学在颈动脉斑块脆弱性评估上的应用。Saba / Suri 团队是国际颈动脉影像组学的领军。
内容概述
颈动脉疾病（CAD）以颈动脉粥样硬化（CAS）为主，是缺血性脑卒中的重要原因。本章按"临床 → 影像 → 风险生物标志物 → AI / 影像组学"组织：
- 临床背景：
- 颈动脉狭窄程度是治疗决策的主要参数（NASCET / ECST 标准）
- 易损斑块（vulnerable plaque）概念兴起，2018 年 ASNR Vessel Wall Imaging 白皮书
- 颈动脉 IMT > 1.5 mm 定义斑块，CCA-IMT > 1 mm 为异常
- 易损斑块生物标志物：
- 斑块厚度
- 斑块体积
- 纤维帽状态（光滑 / 不规则 / 溃疡）
- 斑块炎症 + 新生血管化
- 脂质富集坏死核心（LRNC）：%LRNC > 40% 显著增加破裂风险
- 斑块内出血（IPH）
- 血管周围脂肪炎症
- 影像技术：
- 超声（US）：安全、经济、一线
- CTA：高空间分辨率
- MRI：多参数，IPH 检测金标准
- AI + 影像组学应用：
- 超声 IMT 自动化（Selzer 1994 早期）
- 颈动脉斑块分类
- 卒中风险预测
- 影像组学 + ML（支持向量机、随机森林等）
核心方程与概念
1. 颈动脉狭窄程度（NASCET / ECST）
NASCET 法： $\(\text{stenosis} = 1 - \frac{D_{\text{stenosis}}}{D_{\text{distal normal}}} \times 100\%\)$
ECST 法： $\(\text{stenosis} = 1 - \frac{D_{\text{stenosis}}}{D_{\text{estimated normal}}} \times 100\%\)$
ESC 指南 [X12] 推荐：症状性 + 70–99% 狭窄 → CEA（IA 级证据）。
2. 易损斑块生物标志物
| 标志物 | 临床意义 |
|---|---|
| 斑块厚度（IMT > 1.5 mm） | 斑块存在 |
| 斑块体积 | 越大越易破裂 |
| 纤维帽厚度 / 表面形态 | 薄 + 溃疡 → 脆弱 |
| LRNC 比例（> 40%） | 3 年内破裂风险显著增加 |
| 斑块内出血（IPH） | 卒中风险最强预测 |
| 血管周围脂肪炎症 | 新风险标志 |
3. AI 工具链
US / CTA / MRI 图像 → 颈动脉分割 → 斑块分割 →
特征提取（影像组学）→ ML 分类 / 风险预测 → 临床决策
4. 影像组学特征
- 第一阶：强度直方图（mean、variance、skewness、kurtosis、entropy）
- 高阶：GLCM、GLRLM、GLDM（纹理）
- 形状：体积、表面积、球形度
5. 关键论文总结
| 研究 | 任务 | 方法 | 性能 |
|---|---|---|---|
| Selzer 1994 [X49-50] | 自动化 IMT | 边缘检测 | 早期工作 |
| Saba 多个研究 | 颈动脉斑块分类 | 影像组学 + ML | 多个结果 |
| 多个研究 | 卒中风险预测 | ML | 多个结果 |
6. 关键概念辨析
- 狭窄程度 vs. 易损斑块：传统决策基于狭窄程度，AI 时代易损斑块（IPH、LRNC > 40%）成为补充决策依据。
- 超声 vs. CTA vs. MRI：超声一线、CTA 快速、MRI IPH 敏感。
- 影像组学 vs. DL：影像组学用预定义算子，DL 自动学特征——各有优劣。
- "斑块分类" vs. "风险预测"：斑块分类是"现在是什么"，风险预测是"未来会怎样"——后者临床价值更大。
- "灰区" 处理：狭窄 50–69% 的患者治疗决策不明确，易损斑块信息可帮助决策。
- 影像组学 vs. 活检：颈动脉斑块可切除活检（CEA 标本），影像组学可"非侵入" 评估全斑块。
- 国际泛化：AI 工具多在欧美 / 中国训练，跨人群泛化需验证。
- "AI 仅辅助" 在颈动脉上的体现：AI 给"斑块类型 / 风险概率"，临床决策仍需医生。
关键结论
- 颈动脉疾病是缺血性脑卒中重要原因，AI + 影像组学在斑块易损性评估上价值显著。
- 传统决策基于狭窄程度（NASCET / ECST），AI 时代易损斑块（IPH、LRNC > 40%）是补充决策依据。
- 易损斑块生物标志物：斑块厚度 / 体积 / 纤维帽状态 / 炎症 / 新生血管 / LRNC / IPH / 血管周围脂肪炎症。
- 影像技术：US 一线、CTA 快速、MRI IPH 金标准。
- AI 工具链：分割 → 影像组学 → ML 分类 / 风险预测。
- 影像组学 + ML 在颈动脉斑块分类与卒中风险预测上多个研究验证。
- Selzer 1994 [X49-50] 早期 IMT 自动化是 AI 在颈动脉上的开端。
- 2018 年 ASNR Vessel Wall Imaging 白皮书规范化斑块评估。
- AI 在颈动脉上的应用从"IMT 自动化" 扩展到"斑块易损性评估 + 卒中风险预测"。
挑战和开放性问题
- 跨中心 / 跨扫描仪泛化：超声、CTA、MRI 协议差异影响 AI 输出。
- 超声的"操作者依赖" 瓶颈：图像质量受操作者技术影响。
- 斑块自动分割的精度：斑块边界识别仍有提升空间。
- 影像组学的"维度灾难"：数千特征 vs. 数百样本，过拟合风险。
- DL 模型的"黑盒" 问题：CNN 给出斑块分类但难解释依据。
- 跨人群 / 跨族裔泛化：AI 工具多在欧美 / 中国训练，跨人群泛化需验证。
- 小样本 + 异质性：颈动脉斑块研究多在单中心 ~ 100–500 例。
- 临床整合路径：PACS 集成 + 颈动脉报告系统需工程 + 监管支持。
- 法规与责任：AI 给出诊断的"医疗决策"性质需要 FDA / NMPA 监管。
- "斑块自动识别" vs. "易损性自动评估"：前者已较成熟，后者仍在研究。
- 影像 + 临床 + 实验室多模态融合：颈动脉斑块 + 血脂 + 血压 + 吸烟等的真正多模态融合未充分挖掘。
- "斑块生长率" 预测：连续扫描间的斑块变化是破裂风险关键，AI 自动化测量是基础。
- 国际多中心合作：Saba / Suri 团队的国际合作（意大利 + 美国）是颈动脉 AI 的"基础设施"。
个人反思与批判性分析
- 作者团队的"Cagliari + AtheroPoint" 视角：Saba 来自意大利 Cagliari 大学，Suri 来自 AtheroPoint（美国加州的颈动脉影像公司）——本章是"国际合作" 的颈动脉影像组学综述。
- "颈动脉斑块 vs. 冠脉斑块" 的方法学同源：颈动脉斑块的影像组学方法（Kolossváry 2017 napkin-ring、Oikonomou 2019 pCAT）与冠脉斑块同源——这是"影像组学" 在不同血管床的"应用迁移"。
- "狭窄程度 vs. 易损斑块" 的范式转变：传统决策基于狭窄程度，AI 时代易损斑块成为补充——这种"决策依据扩展" 是医学 AI 的"价值提升"。
- "US 一线 + AI 辅助" 的临床价值：超声是颈动脉一线影像，但受操作者依赖。AI 自动化测量 + 评估可减少这一瓶颈——这是 AI 在"操作者依赖影像" 上的独特价值。
- "Saba / Suri 团队的方法学偏好"：本章是"内行专家撰写的内行综述"，方法学偏好（影像组学 + ML）反映了该团队的特长。
- "AI 仅辅助" 在颈动脉上的体现：AI 给"斑块类型 / 风险概率"，临床决策仍需医生——这是"AI 辅助 + 医生决策" 模式。
- "跨中心多模态合作" 的工程价值：Saba / Suri 团队的国际合作（意大利 + 美国）是颈动脉 AI 的"基础设施"——这种合作模式值得其他领域学习。
- "AI 万能" vs. "AI 仅辅助"：本章在 IMT 自动化、影像组学斑块分类上乐观（已部分商业化），在跨中心泛化、跨人群泛化、易损斑块自动评估上保守（仍是开放问题）。这种"该强则强、该弱则弱" 是颈动脉 AI 的工程现实。
- "颈动脉 AI 的'狭窄 vs. 易损' 双重决策"：颈动脉治疗决策需同时考虑"狭窄程度" 和"易损斑块"，AI 需在两个维度都给出支持——这是颈动脉 AI 的"双重任务" 复杂性。
- 与第 25、27、31、32、47 章的协同：本章是颈动脉主题专项，与冠脉斑块（Ch 25）、CT-FFR（Ch 27）、影像组学方法（Ch 31）、CMR（Ch 32）、主动脉（Ch 47）形成"心血管疾病 AI" 完整图景。读者通过对比可学会"AI 在不同心血管疾病的共性与差异"。
- "AtheroPoint 商业化视角"：Suri 来自 AtheroPoint（颈动脉影像商业公司）——本章的方法学偏好（IMT 自动化、影像组学、卒中风险）反映了 AtheroPoint 的商业产品方向。
- "国际合作 + 商业化" 的范例：Saba / Suri 团队展示了"国际学术合作 + 商业化产品" 的医学 AI 模式——这种"双轨" 模式值得其他领域学习。
重要参考文献
- [X1] Sacco RL, Kasner SE, Broderick JP, et al. An updated definition of stroke for the 21st century. Stroke. 2013;44(7):2064-89.
- [X4] Saba L, Yuan C, Hatsukami TS, et al. Carotid Artery Wall Imaging: Perspective and Guidelines from the ASNR Vessel Wall Imaging Study Group. AJNR Am J Neuroradiol. 2018;39(2):E9-E31.
- [X5] Saba L, Saam T, Jäger HR, et al. Imaging biomarkers of vulnerable carotid plaques for stroke risk prediction and their potential clinical implications. Lancet Neurol. 2020;19(10):852-63.
- [X11] Brott TG, Halperin JL, Abbara S, et al. 2011 ASA/ACCF/AHA/AANN/AANS/ACR/ASNR/CNS/SAIP/SCAI/SIR/SNIS/SVM/SVS guideline on the management of patients with extracranial carotid and vertebral artery disease. J Am Coll Cardiol. 2011;57(8):e16-94.
- [X12] Aboyans V, Ricco JB, Bartelink MEL, et al. 2017 ESC guidelines on the diagnosis and treatment of peripheral arterial diseases. Eur Heart J. 2018;39(9):763-816.
- [X13] North American Symptomatic Carotid Endarterectomy Trial Collaborators. Beneficial effect of carotid endarterectomy in symptomatic patients with high-grade carotid stenosis. N Engl J Med. 1991;325(7):445-53.
- [X14] European Carotid Surgery Trialists' Collaborative Group. MRC European Carotid Surgery Trial: interim results for symptomatic patients with severe (70-99%) or with mild (0-29%) carotid stenosis. Lancet. 1991;337(8752):1235-43.
- [X15] Pignoli P, Tremoli E, Poli A, et al. Intimal plus medial thickness of the arterial wall: a direct measurement with ultrasound imaging. Circulation. 1986;74(6):1399-406.
- [X16] O'Leary DH, Polak JF, Kronmal RA, et al. Carotid-artery intima and media thickness as a risk factor for myocardial infarction and stroke in older adults. N Engl J Med. 1999;340(1):14-22.
- [X22] Stary HC, Chandler AB, Dinsmore RE, et al. A definition of advanced types of atherosclerotic lesions and a histological classification of atherosclerosis. Circulation. 1995;92(5):1355-74.
- [X23] Spence JD, Eliasziw M, DiCicco M, et al. Carotid plaque area: a tool for targeting and evaluating vascular preventive therapy. Stroke. 2002;33(12):2916-22.
- [X25] Stary HC. Natural history and histological classification of atherosclerotic lesions: an update. Arterioscler Thromb Vasc Biol. 2000;20(5):1177-8.
- [X32] Takaya N, Yuan C, Chu B, et al. Association between carotid plaque characteristics and subsequent ischemic cerebrovascular events. Stroke. 2006;37(3):818-23.
- [X34] Altaf N, Beech J, Goode SD, et al. Carotid intraplaque hemorrhage detected by magnetic resonance imaging predicts embolization during carotid endarterectomy. J Vasc Surg. 2007;46(1):31-6.
- [X35] Saba L, Zucca S, Gupta A, et al. Perivascular fat density and its association with carotid plaque vulnerability. Radiology. 2020;297(2):463-71.
- [X42] Kerwin WS, O'Brien KD, Ferguson MS, et al. Inflammation in carotid atherosclerotic plaque: a dynamic contrast-enhanced MR imaging study. Radiology. 2006;241(2):459-68.
- [X44] Acharya UR, Faust O, Alvin APC, et al. Symptomatic vs. asymptomatic plaque classification in carotid ultrasound. J Med Syst. 2012;36(3):1861-71.
- [X48] Espeland MA, Tang R, Terry JG, et al. Comparisons of interstudy reproducibility of carotid intima-media thickness measurements. Ultrasound Med Biol. 1996;22(7):891-9.
- [X49] Selzer RH, Hodis HN, Kwong-Fu H, et al. Evaluation of computerized edge tracking for quantifying intima-media thickness of the common carotid artery from B-mode ultrasound images. Atherosclerosis. 1994;111(1):1-11.
- [X50] Selzer RH, Mack WJ, Lee PL, et al. Improved common carotid elasticity and intima-media thickness measurements from computer analysis of sequential ultrasound frames. Atherosclerosis. 2001;154(1):185-93.