01 摘要
心肌瘢痕评估对缺血性心脏病的危险分层、血运重建决策至关重要，钆延迟强化 LGE‑CMR 是目前评估心肌梗死瘢痕的金标准，但必须静脉注射钆造影剂，存在扫描时间长、费用增加，部分患者存在造影禁忌。生成式 AI 虚拟本征增强 VNE 可仅依靠平扫电影序列、T1‑mapping，合成虚拟 LGE 影像，实现无造影心肌瘢痕评估，但缺少前瞻性多中心盲法临床验证。本研究开展中英双中心前瞻性盲法验证，入组利兹 88 例、阜外 48 例共 136 例疑似或既往心肌梗死受试者，金标准为钆增强 LGE。牛津团队在完全屏蔽 LGE 与临床信息条件下生成 VNE 图像并完成判读。结果：在图像诊断信心充足的 107 例中，VNE 诊断心梗准确率 94.4%；全部 136 例总体准确率 87.5%；VNE 定量瘢痕负荷与 LGE 强相关 R=0.90，组内相关系数 ICC=0.95，平均差异 3.2%（95% CI −10.4%~+16.8%）；心梗受累心肌节段判读一致性 90.0%。4 位独立临床读片专家评估：69.7% 病例 VNE 图像质量足够可靠，可以不再进行 LGE 扫描，该子集内 VNE 平均诊断准确率 93.7%，与 LGE 的 93.9% 接近。高质量 VNE 影像可对慢性心梗筛查人群进行分诊，在不损失诊断准确性前提下，超过三分之二的患者可以避免钆造影剂注射，VNE 为无造影心肌瘢痕评估提供可行方案。
02 研究背景
一、研究问题
-
LGE‑CMR 是评估心肌梗死、心肌纤维化金标准，但依赖钆基造影剂，存在过敏、肾源性系统性纤维化风险，肾功能受损患者存在使用禁忌，同时增加扫描时长与检查成本。
-
平扫电影、T1‑mapping 包含心肌纤维化信号，但肉眼难以直接识别瘢痕，传统方法无法直接生成可供临床阅读的瘢痕增强影像。
-
VNE 生成式 AI 技术可以利用平扫 CMR 生成虚拟 LGE 图像，既往仅单中心回顾验证，缺乏前瞻性、多中心、完全盲法真实临床验证，AI 生成影像的判读一致性、定量准确性、临床适用性尚不明确。
-
缺少真实临床工作流证据：VNE 到底多大比例患者可以真正替代 LGE；图像伪影、切片不全、运动伪影对 VNE 性能的影响缺少系统性分析。
-
不同场强（1.5T /3T）、不同人群队列（疑似缺血、确诊既往心梗）条件下模型泛化能力有待独立外部验证。
二、研究难点
-
严格盲法试验设计：生成 VNE 的牛津团队完全不能接触 LGE 金标准与临床病历，两家中心独立标注金标准，消除验证偏倚。
-
多中心异构数据：英国 1.5T 西门子、中国阜外 3T 西门子两台不同场强设备，扫描人群基线差异大（利兹为疑似缺血筛查，阜外均为既往心梗）。
-
多层次评价体系：同时完成定性有无心梗、心梗供血区域、瘢痕透壁程度、瘢痕负荷定量；多名读片者评估临床可替代性。
-
差异病例溯源：对 VNE 与 LGE 判读不一致的全部病例逐一解析错误来源（切片缺失、伪影、血流池混淆、T1mapping 伪影等）。
-
区分图像质量分层：区分 “明确梗死、可疑梗死、无梗死”，研究图像质量对 AI 性能的影响。
三、相关工作
-
传统无造影 CMR：单纯 native‑T1、ECV 可以间接反映纤维化，但不能生成类 LGE 可视化增强影像，临床阅读门槛高。
-
VNE 前期单中心研究：证实生成式 AI 可由平扫 CMR 合成虚拟 LGE，但仅回顾单中心数据集，无前瞻性多中心盲法验证。
-
心脏生成 AI 影像：多数研究停留在离线数据集，缺少多专家盲读、临床可替代性评估。
-
CMR 造影替代研究：其他无造影合成 LGE 模型大多仅做离线指标，缺少真实患者临床队列，没有回答 “多大比例患者可以免除造影” 这一临床核心问题。
03 模型设计
一、总体思路
前瞻性双中心研究；利兹、阜外分别入组临床拟行 CMR 评估心肌瘢痕的患者；全部采集平扫 cine、T1‑mapping 以及金标准钆 LGE；牛津团队在屏蔽 LGE、临床信息前提下生成 VNE 虚拟增强图像；分两层评估：①牛津专家盲法判读 VNE，对照 LGE 金标准；②4 位独立心脏磁共振专家盲法配对阅读匹配切片 VNE/LGE，判断 VNE 是否足以替代 LGE，定性 + 定量评估瘢痕；分析不一致病例，评估 VNE 作为临床分诊工具的可行性。
图 1 VNE 前瞻性多中心验证研究整体流程图
二、入排与临床队列
-
利兹中心（1.5T）：临床转诊怀疑心肌缺血，无论有无既往心梗，连续入组；最终纳入 88 例。
-
阜外中心（3T）：既往确诊心肌梗死，因新发胸痛拟行 CMR 评估，选择性入组；最终纳入 48 例。
-
共同扫描协议：采集短轴平扫 cine、ShMOLLI T1‑mapping，之后注射钆造影剂获取 LGE 金标准。
-
排除：图像严重运动伪影、匹配切片缺失等。总有效分析 136 例患者。
三、VNE 虚拟本征增强系统
-
基座生成式 AI 模型，训练集为单中心 842 例既往 CMR；本研究模型权重不做任何微调，直接外部多中心测试。
-
输入：平扫 cine 序列、T1‑mapping；经过运动校正网络，输出虚拟 LGE（VNE）图像。
-
部署方式：利兹脱敏平扫数据传输至牛津生成 VNE；阜外受数据出口限制，软件本地部署生成 VNE。
-
牛津团队全程无法访问 LGE 影像、病历，完成 VNE 盲法判读。
四、结局定义
-
主要结局：VNE 对比金标准 LGE，诊断心肌梗死的准确率；
-
次要定性结局：心梗供血节段判读一致性、瘢痕透壁程度分级；4 名专家判断是否可以免除钆造影；
-
次要定量结局：VNE 与 LGE 瘢痕负荷（% 左室）相关性、Bland‑Altman 一致性；
-
探索性分析：不一致病例错误来源分类；图像质量分层后性能变化。
04 实验设置
一、试验场地
英国利兹大学心血管研究所（1.5T Siemens Aera）；中国医学科学院阜外医院（3T Siemens Skyra）。
二、评价指标
定性：准确率、灵敏度、特异度、PPV、NPV；Fleiss’ kappa 观察者间一致性； 定量：Pearson 相关 R、ICC 组内相关系数、Bland‑Altman；AUC‑ROC 用于区分有无心梗； 专家主观指标：是否可以不用 LGE（即仅 VNE 能否满足临床）。
三、统计方法
Python3.9 完成统计；混合效应模型处理重复切片测量；配对 bootstrap 获取 95% 置信区间；P＜0.05 为统计学显著。
四、盲法设置
VNE 生成与判读团队完全屏蔽 LGE 与临床资料；4 位读片专家对图像来源（VNE/LGE）盲法，图像顺序随机打乱；金标准由两家中心独立完成，VNE 判读结果锁定后才解锁金标准。
05 结果与分析
一、人群基线
总计 136 例，利兹 88 例，阜外 48 例；阜外队列全部为既往心梗；利兹包含部分无心梗受试者；两组年龄、心血管危险因素存在队列差异。
二、VNE 定性诊断性能
全部病例 136 例：VNE 诊断心梗准确率 87.5%； 信心充足图像子集 107 例：准确率 94.4%（灵敏度 92.5%，特异度 97.5%，PPV98.4%，NPV88.6%）； 29 例标记为 “可疑梗死”，多来源于切片覆盖不全、血流池伪影、边界信号模糊。
三、瘢痕区域与透壁程度一致性
心梗供血节段判读总体一致性 90.0%； 瘢痕负荷 VNE 与 LGE：R=0.90，ICC=0.95，平均偏差 3.2%； 瘢痕透壁程度 R=0.82，ICC=0.90；Bland‑Altman 显示 95% 一致性界限−10.4% ~ +16.8%。
图 2 瘢痕负荷、透壁程度相关性与 Bland‑Altman 图
四、4 位专家盲读临床替代性评估
综合 4 位专家结果：69.7% 患者 VNE 图像质量充足，可免除钆造影 LGE 扫描； 该子集下 VNE 平均准确率 93.7%，LGE 为 93.9%，两者无显著统计学差异； 全部样本不筛选图像质量时 VNE 整体准确率下降至 81.1%，提示图像质控是 VNE 临床应用关键前提。
五、不一致病例错误溯源
6 例高置信子集 VNE 与 LGE 判读不一致，错误来源包括：VNE 切片覆盖不全、小的心内膜下瘢痕、T1mapping 脂肪共振伪影、血流池信号混淆。提示临床需要保证完整短轴切片覆盖，警惕伪影。
图3 全部 VNE‑LGE 判读不一致病例示例图
06 结论
本研究为 VNE 虚拟本征增强技术首个前瞻性、多中心、盲法外部验证。高质量 VNE 虚拟增强影像仅依靠平扫 cine 与 T1‑mapping，无需钆造影剂，即可准确评估慢性心肌梗死瘢痕；在图像合格人群中，可使69.7% 拟行心梗瘢痕评估患者免于钆造影注射，同时不损失诊断准确度。VNE 瘢痕负荷、透壁程度与金标准 LGE 一致性良好；图像质量、完整短轴切片覆盖是 VNE 临床应用的关键前提；可疑、图像质量差病例仍然需要补充钆 LGE。VNE 有潜力作为 CMR 分诊工具，规避钆造影剂相关风险，缩短扫描时间，造福造影禁忌人群。局限：本研究使用固定 3 层短轴切片，完整全短轴堆栈效果有待更多数据；两个中心入组人群临床背景不同；仍然依赖高质量 T1‑mapping 序列；对极小的心内膜下瘢痕仍存在漏诊风险；尚未在急性心梗、广泛非缺血性心肌病大规模验证。
07 论文评价
✅方法创新亮点
⚠方法不足
试验仅使用 3 层短轴切片而非完整全短轴堆栈，完整堆栈条件下的实际性能有待进一步验证；两家中心入组人群基线特征不一致，阜外队列全部为既往心肌梗死患者，无法计算该队列特异度；VNE 性能高度依赖 T1‑mapping 图像质量，运动伪影会明显降低诊断效能；研究主要聚焦慢性心肌梗死人群，急性心梗、心肌炎、心肌淀粉样变等非缺血性心肌病尚未开展大规模验证。
08 参考资料
Article:
编辑：陈宣辰
审核：吴朝
Nature Medicine（一区 ,IF=50.0）医疗系统学习范式：通用神经影像基础模型 NeuroVFM 构建与验证