uSense:CT AI专刊-11

目的   观察胸腹联合扫描智能剂量调控（AI DOM）用于肿瘤患者大范围胸腹CT成像的价值。方法   前瞻性收集103例接受胸腹部CT检查的肿瘤患者，其中50例接受单协议AI DOM胸腹联合扫描智能剂量调控方案（AI DOM组）、53例接受双协议胸腹部单独扫描方案（对照组），2组胸、腹部扫描参数均相同。比较2组扫描时间、剂量长度乘积（DLP）和扫描长度，以及图像质量主、客观评价结果。结果   AI DOM组总扫描时间较对照组降低27.16%（9.12 s vs. 12.52 s，P＜0.001），总DLP和总扫描长度分别减少15.09%（793.45 mGy·cm vs. 934.41 mGy·cm，P＜0.001）和26.43%（66.01 cm vs. 89.73 cm，P＜0.001）。组间整体图像质量、软组织对比度和显示肿瘤清晰度主观评分，以及正常组织如肺实质、肿瘤的信噪比（SNR）和对比度噪声比（CNR）差异均无统计学意义（P均＞0.05）。结论   AI DOM用于肿瘤患者大范围胸腹CT成像能在保证图像质量的同时显著缩短扫描时间、降低辐射剂量。

CT是诊断肿瘤、评价疗效的重要影像学手段［1］。随着CT技术的不断发展和肿瘤治疗方案的不断革新［2］，临床需求持续上升，且对肿瘤患者通常需要进行胸腹部大范围CT成像及多次重复检查［3-5］。然而传统单协议胸腹部扫描设置扫描参数时常无法兼顾胸、腹部不同需要而致胸部剂量过高［6］；而双协议单独胸、腹部扫描则使检查流程复杂化，造成扫描时间延长和部分重复扫描。胸腹联合扫描智能剂量调控技术（artificial intelligence dose modulation, AI DOM）可基于智能识别器官差异化设置胸、腹部扫描参数，联合管电流调制而在提升扫描速度的同时优化辐射剂量。本研究观察AI DOM用于肿瘤患者大范围胸、腹CT成像的价值。

1.1  研究对象   前瞻性收集2025年6月—8月103例于河北中医药大学第一附属医院接受胸腹部CT检查的肿瘤患者，男58例、女45例，年龄38～89岁、平均（68.2±10.8）岁。纳入标准：①年龄≥18岁；②接受胸腹CT随访；③肿瘤病理结果明确。其中50例接受单协议AI DOM胸腹联合扫描智能剂量调控方案（AI DOM组），男27例、女23例，年龄47～89岁、平均（69.0±11.4）岁，体质量指数（body mass index, BMI）14.53～35.06 kg/m2、中位BMI 22.78（19.01,24.63）kg/m2；包括肺癌12例、食管癌6例、胃癌10例、结直肠癌6例、卵巢癌1例及其他恶性肿瘤15例；53例接受双协议胸腹部单独扫描方案（对照组），男31例、女22例，年龄38～84岁、平均（67.4±10.2）岁，BMI 14.69～32.89 kg/m2、中位BMI 24.19（19.42,26.44）kg/m2，包括肺癌17例、食管癌4例、胃癌4例、结直肠癌9例、卵巢癌5例及14例其他恶性肿瘤；2组均有22例存在肿瘤原位病灶。本研究通过医院伦理委员会批准（HBZY2024-KY-008-01），患者均签署知情同意书。

1.2  仪器与方法   采用联影uCT 820 CT仪行胸腹部CT扫描，范围自肺尖至耻骨联合，2组参数一致：胸、腹部扫描管电压均为120 kVp，自动管电流调制，参考管电流分别为107、210 mAs，准直器宽度40 mm，转速0.6 s/rot，螺距1.09。AI DOM组采用胸、腹部一次连续性联合螺旋扫描，胸、腹部采用相同管电压、不同参考管电流。对图像行混合迭代重建（hybrid iterative reconstruction, HIR），层厚及层间距均为1 mm；将重建图像传至联影uWS-CT后处理工作站进行分析。

1.3  扫描时间和辐射剂量分析   记录CT设备自动生成的扫描时间（t）、容积CT剂量指数（volume CT dose index, CTDIvol）及剂量长度乘积（doselength product, DLP），计算总扫描长度（L）。AI DOM组L=胸腹部扫描DLP/胸腹部扫描CTDIvol；对照组L=胸部扫描DLP/胸部扫描CTDIvol+腹部扫描DLP/腹部扫描CTDIvol。

1.4  分析图像1.4.1  主观评分   由2名具有10年以上肿瘤影像学诊断经验的医师采用5分制以盲法对图像质量进行主观评分，评估整体图像质量、软组织对比度及显示肿瘤清晰度。评分标准：整体图像质量，5分为噪声或伪影极少、完全满足临床诊断，4分为噪声或伪影较少、可满足临床诊断，3分为噪声或伪影中等、基本满足临床诊断，2分为噪声或伪影较多、不能满足临床诊断，1分为噪声或伪影严重、不能满足临床诊断；软组织对比度，5分为非常好，4分为较好，3分为中等，2分为较差，1分为非常差；显示肿瘤清晰度，5分为显示肿瘤边界和内部结构非常清晰、诊断信心非常高，4分为显示肿瘤边界和内部结构较清晰、诊断信心较高，3分为显示肿瘤边界和内部结构尚清晰、诊断信心中等，2分为显示肿瘤边界和内部结构较差、诊断信心较低，1分为显示肿瘤边界和内部结构不清、无法诊断。1.4.2  客观评价   由1名具有10年以上肿瘤影像学诊断经验的医师避开伪影、血管及病变，分别于肺实质、胃壁、结直肠壁、肝实质及皮下脂肪均质处勾画圆形ROI；存在原位病灶时，亦于肿瘤均质处勾画ROI，测量相应CT值及标准差（standard deviation, SD）。计算各ROI信噪比（signal-to-noise ratio, SNR）和对比度噪声比（contrast-to-noise ratio, CNR）：SNR=|CT值|/SD，CNR=|组织CT值－皮下脂肪CT值|/皮下脂肪SD。肺实质、胃壁、结直肠壁、肝实质、皮下脂肪、肿瘤原位病灶ROI面积分别为170、50、10、80、18和25 mm2。

1.5  统计学分析   采用SPSS 26.0统计分析软件。以x±s表示符合正态分布的计量资料，组间行独立样本t检验；以中位数（上下四分位数）表示呈偏态分布的计量资料，组间行Mann-Whitney U检验；以频数描述计数资料，采用χ2检验进行组间比较。采用组内相关系数（intra-class correlation coefficient, ICC）评估观察者间主观评分一致性：ICC≥0.75为一致性良好，0.40＜ICC＜0.75为一致性较好，ICC≤0.40为一致性较差。P＜0.05为差异有统计学意义。

2.1  一般资料   2组患者性别、年龄及BMI等基本资料差异均无统计学意义（P均＞0.05），见表1。

2.2  扫描时间和辐射剂量   AI DOM组胸腹部CT扫描总t为（9.12±0.97）s，较对照组降了27.16% ［（12.52±1.45）s，t=－14.084，P＜0.001］；总DLP和L分别为（793.45±159.13）mGy·cm及（66.01±6.90）cm，较对照组分别降低15.09%和26.43%［（934.41±184.74）mGy·cm和（89.73±9.13）cm，t=－4.138和－14.808，P均＜0.001］。2.3  主观评分   观察者间对图像质量评分的一致性良好（ICC=0.753）。2组整体图像质量评分均为4.0（3.0，4.0），所有图像评分均≥3，满足临床诊断。组间软组织对比度、显示肿瘤清晰度评分差异均无统计学意义（P均＞0.05），见表2和图1、2。

图1   胸部CT图像  A.AI DOM组患者，男，69岁，左肺门区肺癌（箭），整体图像质量、软组织对比度和显示肿瘤清晰度评分分别为4、4和4； B.对照组患者，男，78岁，右肺上叶前段肺癌（箭），整体图像质量、软组织对比度和显示肿瘤清晰度评分分别为4、4和3    图2   腹部CT图像   A.AI DOM组患者，女，67岁，胃癌，胃窦（大弯侧）壁增厚（箭），整体图像质量、软组织对比度和显示肿瘤清晰度评分分别为4、4和4； B.对照组患者，男，64岁，胃癌，胃窦（小弯侧）壁增厚（箭），整体图像质量、软组织对比度和显示肿瘤清晰度评分分别为4、4和4

2.4  客观评价   组间图像中的肺实质、胃壁、结直肠壁、肝实质，以及肿瘤SNR和CNR差异均无统计学意义（P均＞0.05）,见表3。

胸腹CT联合扫描常用于诊断肿瘤等多种疾病及随访，而胸、腹部不同的组织特点和成像需求致其所用扫描条件不同、辐射剂量亦不同［7］。ROGALLA等［6］报道，相比独立进行的胸、腹部共两次扫描，以单次螺旋扫描覆盖胸、腹部，并根据不同部位设置不同噪声水平方案使辐射剂量降低16.3%；但该研究通过模拟实现不同方案扫描，并未对真实临床场景中的扫描剂量进行评估。

本研究聚焦于肿瘤患者需频繁接受大范围胸腹部CT检查的真实临床场景，针对传统双协议扫描模式操作流程繁琐、胸腹交界区域重复扫描的问题探讨AI DOM的临床价值。基于CT定位像，AI DOM技术通过深度学习识别胸腹分界线，自动初始化胸腹定位框和重建框，根据不同部位计算并调制剂量曲线而实现个体化胸腹部联合扫描。尽管相比目前临床广泛采用的深度学习图像重建算法，AI DOM降低剂量的能力有限，但可作为嵌入工作流中的优化扫描协议手段，联合深度学习图像重建算法共同实现进一步剂量优化。

本研究AI DOM组t、辐射剂量及L分别较对照组降低27.16%（3.4 s）、15.09%（140.96 mGy·cm）及26.43%（23.72 cm），且肺实质等正常组织对比度和显示肿瘤清晰度与对照组相当。利用AI DOM可避免重叠区域重复曝光，从而缩短扫描时间、降低辐射剂量。本研究AI DOM组和对照组DLP分别为793.45和934.41 mGy·cm，符合美国放射协会标准［8］，可保证CT成像质量。本研究2组胸腹部CT整体图像质量、软组织对比度和显示肿瘤清晰度评分均≥3，满足临床诊断需求；肺实质、结直肠壁、肝实质等对比度与既往研究结果［9-11］相符。

综上，AI DOM用于肿瘤患者大范围胸腹CT成像能在保证图像质量的前提下显著缩短扫描时间、降低辐射剂量。但本研究为单中心分析，样本量有限，可能存在选择偏倚；且未充分考虑患者体型和不同肿瘤的差异；有待后续开展大样本研究进一步探讨。

［1］ 中国抗癌协会肿瘤影像专业委员会.恶性肿瘤患者CT增强扫描对比剂安全管理专家共识（2022）［J］.中华放射学杂志,2022,56(9):941-949.［2］ RIZZO S, BELLESI L, KHALIFA EB, et al. Radiation dose reductionin cancer imaging with new-model CT scanners: A quality of care evaluation［J］. Cancers, 2025,17(11):1815.DOI:10.3390/cancers17111815.［3］ RIELY G J, WOOD D E, ETTINGER D S, et al. Non-small cell lung cancer, version 4.2024［J］. J Natl Compr Canc Netw, 2024,22(4):249-274.［4］ AJANI J A, D’AMICO T A, BENTREM D J, et al. Gastric cancer, version 2.2025［J］. J Natl Compr Canc Netw, 2025,23(5):169-191.［5］ EISENHAUER E A, THERASSE P, BOGAERTS J, et al. New response evaluation criteria in solid tumours: Revised RECIST guideline (version 1.1)［J］. Eur J Cancer, 2009,45(2):228-247.［6］ ROGALLA P, PARAVASTHU M, FARRELL C, et al. Helical CT with variable target noise levels for dose reduction in chest, abdomen and pelvis CT［J］. Eur Radiol, 2018,28(9):3922-3928.［7］ KALRA M K, MAHER M M, TOTH T L, et al. Strategies for CT radiation dose optimization［J］. Radiology, 2004,230(3):619-628.［8］ KANAL K M, BUTLER P F, SENGUPTA D, et al. US Diagnostic reference levels and achievable doses for 10 adult CT examinations［J］. Radiology, 2017,284(1):120-133.［9］ 孙明华，彭俪颖，张飞飞，等.深度学习全模型迭代算法重建先天性心脏病婴儿胸部低剂量CT图像［J］.中国医学影像技术,2025,41(4):525-529.［10］ LI J, ZHU J Y, ZOU Y X, et al. Diagnostic CT of colorectal cancer with artificial intelligence iterative reconstruction: A clinical evaluation［J］. Eur J Radiol, 2024,171.［11］ YOU Y C, ZHONG S H, ZHANG G Z, et al. Exploring the low-dose limit for focal hepatic lesion detection with a deep learning-based CT reconstruction algorithm: A simulation study on patient images［J］. J Imaging Inform Med, 2024,37(5):2089-2098.

文献引用：刘京,张泽坤,侯琳慧,等.胸腹联合扫描智能剂量调控（AI DOM）用于肿瘤患者大范围胸腹CT成像[J].中国医学影像技术,2026,42(4):532-535.

一、团队简介       河北省中医院（河北中医药大学第一附属医院）放射科是集医疗、教学、科研为一体的综合性医技科室，也是河北中医药大学校级重点学科“中西医结合医学影像学”的建设单位。现有各级各类专业技术人员52名，其中高级职称6名。多次获得医院先进科室称号，现为河北省中西医结合学会放射分会副主任委员单位，河北中医学院科技创新团队单位。

二、领军人物       张泽坤，教授，硕士研究生导师，放射科主任，河北省“三三三人才工程”第二层次人员、中国解剖学会运动解剖分会委员、中国中西医结合学会影像专委会青年委员、河北省医院协会理事、河北省中西医结合学会影像专委会常务委员、河北省健康学会医学影像管理分会常务委员、河北省预防医学会放射学专业委员会常务委员、河北省儿科学会医学影像专委会常务委员。获河北省科技进步奖三等奖2项，河北医学科技奖一等奖3项。主持河北省科技厅立项1项、河北省政府资助优秀人才项目1项、人力资源和社会保障厅河北省高层次人才资助项目1项、卫生厅科研立项4项，参与国自然课题1项。

三、设备       放射科拥有高端CT（联影uCT 820 80排、GE Revolution Victor 256排、Siemens SOMTOM Definition AS 64排、Siemens SOMATOM go.Top 64排、GE light speed 16排）和MR（GE Pioneer3.0T、GE HDXT1.5T），多台DR摄影X光机、数字胃肠造影机、乳腺钼靶机、骨密度扫描仪等大型设备。

四、科研成果       放射科依托临床重点学科及特色学科、中医骨科、治未病科等开展相应的临床及科研课题。主编、参编著作10余部，获省科技进步奖三等奖2项，卫生厅科技进步奖一等奖3项；主持省科技厅、财政厅、人社厅、卫健委、中医药管理局课题10余项。

五、专刊作者简介       刘京，主管技师，硕士研究生。河北省肝病学会医学影像技术学分会委员。

      何凯博，技师长。河北省肝病学会医学影像技术学分会副主任委员、河北省医学会影像技术学分会委员、中国医师协会医学技师专委会学组委员。