夜雨聆风一、研究背景
数字减影血管造影（DSA）是介入诊疗领域最核心的实时影像引导手段，广泛应用于脑动脉瘤栓塞、肝癌化疗栓塞、肺癌支气管动脉灌注、冠状动脉介入等各类血管内操作。全球每日有超过10万名患者接受DSA引导下的介入手术。然而，DSA成像基于X射线连续透视，术中医患双方均不可避免地暴露于电离辐射之中。国际核工人研究（INWORKS）队列已证实，即使是低剂量辐射暴露也会增加癌症死亡风险；CT辐射暴露在儿童和青少年中可增加血液系统恶性肿瘤风险；系统性综述也表明电离辐射与心血管疾病风险升高相关。
长期以来，临床辐射防护遵循"尽可能低"（ALARA）原则，但DSA设备的低剂量成像技术发展缓慢。尽管学术界提出了多种低剂量DSA成像方法——包括稀疏视角重建、深度学习去噪、视频帧插值等——但尚无任何技术经过前瞻性临床验证。这一"临床验证真空"成为低剂量DSA技术从实验室走向临床的关键瓶颈。
2026年1月，华中科技大学同济医学院附属协和医院郑传胜/阚雪锋教授团队联合武汉大学杜博/赵煌旋团队、华盛顿大学朱成成团队等70家中心，在Nature Medicine（IF=58.7）发表了一项里程碑式研究，首次报道了基于生成式人工智能的低剂量DSA系统GenDSA-V2的研发及前瞻性多中心随机对照试验（RCT）结果，为介入放射学的辐射防护开辟了全新路径。
二、研究创新点
本研究具有以下突出创新：
1. 全球首个AI低剂量DSA的前瞻性RCT：这是首个通过严格随机对照试验验证生成式AI可降低DSA术中辐射剂量的研究，填补了该领域临床证据的空白。
2. 超大规模数据驱动：基于70家中心46,829例患者超过500万张DSA影像进行模型迭代训练，数据规模远超以往同类研究。
3. 三类适应证全覆盖：研究纳入脑动脉瘤（n=435）、肺癌（n=417）和晚期肝癌（n=216）三种代表性介入适应证，覆盖神经介入、肿瘤介入和综合介入领域，验证了系统的广泛适用性。
4. 辐射剂量降低约三分之二：GenDSA-V2组空气比释动能（AK）从457.4 mGy降至151.3 mGy，剂量面积乘积（DAP）从12,531.6 μGy·m²降至4,009.7 μGy·m²，降幅均达67-68%。
5. 临床非劣效性验证：在辐射剂量大幅降低的同时，手术时间（34.8 vs 33.1分钟）和并发症发生率（7.5% vs 8.1%）均达到非劣效性标准，影像质量经盲法评估无显著差异。
三、技术原理
GenDSA-V2的核心技术路线是生成式AI驱动的帧插值。传统DSA成像需要以较高帧率（如每秒3-6帧）连续采集X射线投影图像，帧率越高，辐射剂量越大。GenDSA-V2的关键思路是：将DSA采集帧率降低至常规的三分之一，然后利用生成式AI模型在低帧率序列的相邻帧之间智能生成高质量的中间帧，从而在保证影像流畅度和诊断质量的前提下，将辐射剂量降低约三分之二。
系统的技术架构包含以下关键组件：
（1）多粒度运动与结构建模：GenDSA-V2基于研究团队此前开发的MoSt-DSA和GaraMoSt框架，创新性地实现了并行多粒度运动与结构建模。模型能够同时捕捉DSA序列中血管的全局运动（如呼吸运动导致的器官位移）和局部精细结构变化（如对比剂在血管内的流动过程），从而在帧间插值时保持血管形态的连续性和解剖结构的准确性。
（2）大规模预训练策略：系统利用46,829例患者超过500万张DSA影像进行自监督预训练，使模型学习到丰富的血管影像表征。该预训练策略无需人工标注，通过设计帧间预测任务让模型自主理解DSA影像的时空动态规律。
（3）实时推理能力：GenDSA-V2的推理速度满足介入手术的实时性要求，能够在术中实时生成插值帧并显示高质量DSA序列，确保手术操作不受延迟影响。
（4）设备无感集成：系统设计为可直接集成于现有DSA设备，无需对硬件进行大规模改造，仅需在影像处理链路中嵌入AI推理模块，大幅降低了临床部署门槛。
四、实验结果
本研究采用四阶段验证策略：回顾性分析→动物实验→交叉观察性研究→前瞻性多中心RCT。
RCT设计：纳入1,068例符合手术指征的患者，按1:1随机分配至GenDSA-V2组（n=533）或标准临床协议组（SCP，n=535）。患者、术者和研究者均对分组设盲，技术人员知晓分组但不参与数据收集和分析。
主要终点——辐射剂量：
| 指标 | SCP组 | GenDSA-V2组 | 降幅 | P值 |
| 空气比释动能（AK） | 457.4 ± 407.4 mGy | 151.3 ± 125.1 mGy | 66.9% | P<0.001（优效性） |
| 剂量面积乘积（DAP） | 12,531.6 ± 9,145.9 μGy·m² | 4,009.7 ± 2,767.9 μGy·m² | 68.0% | P<0.001（优效性） |
次要终点——安全性：
| 指标 | SCP组 | GenDSA-V2组 | 差异 | 结论 |
| 手术时间 | 33.1 ± 10.8 min | 34.8 ± 11.8 min | +1.7 min | P<0.001（非劣效） |
| 并发症发生率 | 8.1% | 7.5% | -0.6% | P<0.001（非劣效） |
亚组分析：在脑动脉瘤、肺癌和肝癌三个适应证亚组中，GenDSA-V2均表现出一致的辐射剂量降低效果，且影像质量评分在各亚组间无显著差异。在影像质量的主观盲法评估中，两位独立放射科医生对GenDSA-V2生成图像与SCP图像的诊断质量评分高度一致（一致性检验通过）。
五、技术优势
1. 临床证据等级最高：作为全球首个AI低剂量DSA的前瞻性RCT，本研究提供了临床转化的最高级别证据，远超以往回顾性验证或小样本可行性研究。
2. 辐射剂量降低幅度显著：三分之二的辐射剂量降幅具有实质性的临床意义。以INWORKS研究的数据推算，这一降幅可显著降低医患双方的远期辐射相关健康风险，对需要多次介入治疗的患者（如肝癌TACE需多次重复治疗）尤为关键。
3. 安全性与有效性兼得：研究证明GenDSA-V2在降低辐射剂量的同时，不影响手术效率、不增加并发症风险、不降低影像诊断质量——这是该技术能够真正进入临床的核心前提。
4. 多适应证验证：覆盖脑动脉瘤介入、肺癌介入和肝癌介入三类代表性适应证，证明了系统的通用性和可推广性。
5. 部署便捷性：无需对DSA硬件进行大规模改造的设计理念，使得该技术有望快速推广至各级医疗机构的现有DSA设备。
六、应用前景
GenDSA-V2的应用前景广阔，可从以下几个维度展望：
临床场景拓展：除已验证的脑动脉瘤、肺癌和肝癌介入外，该系统理论上可推广至所有DSA引导的介入操作，包括冠状动脉介入（PCI）、外周血管介入、急诊出血介入、脑血管畸形栓塞等。特别是对于需要长时间透视的复杂介入手术（如复杂主动脉瘤腔内修复、脑动静脉畸形栓塞），辐射剂量降低的临床获益将更为显著。
特殊人群保护：儿童患者对辐射的敏感性远高于成人，GenDSA-V2在儿童介入手术（如先天性心脏病介入治疗）中的应用潜力巨大。此外，妊娠期需要介入治疗的患者、需要频繁接受DSA检查的慢性病患者，也都能从该技术中获益。
职业健康防护：介入放射科医生和导管室护士的职业生涯中累积辐射暴露是一个严重的职业健康问题。GenDSA-V2同时降低患者和术者的辐射剂量——术者接受的散射辐射与患者剂量成正比——因此该技术也是重要的职业健康防护手段。
产业转化路径：研究团队与东软医疗（Neusoft Medical Systems）合作，系统已具备产业化基础。未来可进一步集成至主流DSA设备厂商（如西门子、飞利浦、GE等）的影像处理平台，实现广泛临床应用。
公共卫生价值：全球每日超过10万例DSA引导手术，若辐射剂量普遍降低三分之二，每年可避免的辐射相关健康损害将极为可观，具有深远的公共卫生意义。
七、研究局限性与未来方向
1. 适应证覆盖范围有限：尽管本研究覆盖了三种代表性适应证，但DSA的应用范围极为广泛。冠脉介入、外周血管介入、急诊出血介入等场景尚未纳入验证，未来需进一步扩展适应证验证。
2. 单国多中心研究：尽管研究纳入了70家中心，但均位于中国。不同地区DSA设备型号、临床操作规范、辐射剂量水平存在差异，需要跨国多中心研究验证结果的普适性。
3. 长期临床结局未评估：本研究的主要终点是术中辐射剂量，次要终点为手术效率和并发症。辐射剂量降低是否真的转化为远期癌症风险和心血管风险的降低，需要长期随访数据支持。
4. AI生成影像的潜在伪影：生成式AI模型可能在某些极端情况下产生"幻觉"伪影（如异常血管形态），虽然本研究在盲法评估中未发现此类问题，但更大规模的真实世界应用中需持续监测。
5. 设备兼容性：GenDSA-V2目前与东软DSA设备深度集成，其在其他品牌DSA设备上的兼容性和性能需进一步验证。
未来方向：研究团队可进一步开展真实世界大样本研究，评估长期临床结局；探索GenDSA-V2向其他X射线成像模态（如CBCT、透视引导穿刺）的扩展应用；研发更高效的模型架构以进一步降低推理延迟和计算资源需求。
八、结论
GenDSA-V2是全球首个通过前瞻性多中心RCT验证的生成式AI低剂量DSA系统，可将介入手术中的医患辐射暴露降低约三分之二，同时保持手术效率、安全性和影像诊断质量。该研究为AI医学影像的临床转化树立了新的标杆——从实验室算法到RCT验证，从回顾性研究到前瞻性随机对照试验，GenDSA-V2的研发路径为AI影像产品的临床验证提供了范式参考。随着该技术的进一步推广和产业化，介入放射学有望进入"低剂量AI时代"，为全球每年数千万接受介入治疗的患者和数十万介入医务工作者提供更安全的诊疗环境。
参考文献
1. Zhao H, Bai Y, Chen L, et al. Generative AI-based low-dose digital subtraction angiography for intra-operative radiation dose reduction: a randomized controlled trial. Nature Medicine, 2026; 32(1): 288-296. DOI: 10.1038/s41591-025-04042-6. PMID: 41482562.
2. Richardson DB, et al. Cancer mortality after low dose exposure to ionising radiation in workers in France, the United Kingdom, and the United States (INWORKS): cohort study. BMJ, 2023; 382: e074520. DOI: 10.1136/bmj-2022-074520.
3. Bosch de Basea Gomez M, et al. Risk of hematological malignancies from CT radiation exposure in children, adolescents and young adults. Nature Medicine, 2023; 29: 3111-3119. DOI: 10.1038/s41591-023-02620-0.
4. Little MP, et al. Ionising radiation and cardiovascular disease: systematic review and meta-analysis. BMJ, 2023; 380: e072924. DOI: 10.1136/bmj-2022-072924.
5. Zhao H, et al. Large-scale pretrained frame generative model enables real-time low-dose DSA imaging: an AI system development and multi-center validation study. Med, 2025; 6: 100497. DOI: 10.1016/j.medj.2024.07.025.
6. Zhao H, et al. Self-supervised learning enables 3D digital subtraction angiography reconstruction from ultra-sparse 2D projection views: a multicenter study. Cell Reports Medicine, 2022; 3: 100775. DOI: 10.1016/j.xcrm.2022.100775.
7. Xu Z, Zhao H, Liu W, Wang X. GaraMoSt: parallel multi-granularity motion and structural modeling for efficient multi-frame interpolation in DSA images. AAAI Conference on Artificial Intelligence, 2025: 28530-28538.
8. Rastogi A, et al. Deep-learning-based reconstruction of undersampled MRI to reduce scan times: a multicentre, retrospective, cohort study. Lancet Oncology, 2024; 25: 400-410. DOI: 10.1016/S1470-2045(23)00641-1.