主动脉，人体内最粗大的血管，一旦其壁因老化、损伤等原因局部膨出形成动脉瘤，便如同在身体里埋下了一颗“不定时炸弹”，破裂风险极高。传统的治疗方案是开腹手术，创伤大、恢复慢。如今，主动脉腔内修复术(Endovascular Aortic Repair, EVAR)已成为治疗主动脉瘤的成熟微创替代方案，医生通过股动脉等血管通道，将覆膜支架（一种带有人工血管膜的金属支架）输送到动脉瘤部位并释放，从而在血管腔内隔绝瘤体，避免其继续扩大和破裂。然而，这项技术并非一劳永逸，一个名为“内漏(Endoleak, EL)”的并发症，成为了术后长期随访中最令人头疼的问题。内漏，即血液通过不同途径再次进入被支架隔绝的动脉瘤囊腔内，持续的血流冲击会导致瘤囊内压力升高，使动脉瘤仍有破裂风险。因此，术后定期、准确地检测内漏至关重要。
目前，增强计算机断层扫描(Contrast-Enhanced Computed Tomography, CT)是EVAR术后随访的“金标准”影像学检查。但问题在于，许多内漏，尤其是那些血流缓慢或渗漏量小的类型，在传统CT图像上往往对比度低、边界模糊，如同隐藏在“噪点”中的微弱信号，极易被漏诊或误诊。尽管双能CT(Dual-Energy CT, DECT)技术的发展带来了希望——它能够生成低能级（如40千电子伏特, keV）的虚拟单能图像(Virtual Monochromatic Imaging, VMI)，这种图像能显著增强碘对比剂的显影效果，从而让内漏“更亮”、更显眼。然而，低能级VMI有个“先天缺陷”：图像噪声会同步大幅增加，过多的“雪花点”反而会干扰观察，降低图像质量和诊断信心。传统的图像重建算法，如混合迭代重建(Hybrid Iterative Reconstruction, HIR)，在抑制这种噪声方面能力有限。
近年来，深度学习图像重建(Deep Learning Image Reconstruction, DLIR)技术的兴起，为解决这一矛盾提供了新思路。DLIR利用深度卷积神经网络，通过在海量高质量图像数据上进行训练，学习到如何从原始CT数据中更智能地重建出既保持高对比度、又有效抑制噪声的清晰图像。那么，将DLIR的强大降噪能力，与低能级VMI的高对比度优势相结合，能否产生“1+1>2”的效果，真正实现EVAR术后内漏检测的精准突破呢？这正是发表于《Journal of Imaging Informatics in Medicine》的这项研究旨在回答的核心科学问题。
为了回答这个问题，研究团队开展了一项严谨的回顾性研究。他们纳入了71名在接受EVAR术后进行了双能CT随访的患者，其中41人（占58%）经两位经验丰富的放射科医生共同阅片确认存在内漏。研究的关键技术方法包括：利用256层CT扫描仪获取患者的静脉期增强CT原始数据；采用三种不同的图像重建方案进行处理对比，分别是传统的70-keV VMI结合HIR，以及70-keV VMI和40-keV VMI分别结合DLIR（使用最高强度等级，TrueFidelity-H）；由三位不知情的放射科医生独立对这三种重建图像进行内漏检测的盲法评估，并采用5分制信心评分。此外，研究还通过定量测量主动脉和内漏的对比噪声比(CNR)与信噪比(SNR)来客观评价图像质量。
研究结果 部分通过多项客观与主观指标，系统展示了40-keV DLIR组合方案的优越性：
• 定量图像分析 ：客观数据表明，40-keV DLIR图像在提升图像质量方面具有压倒性优势。无论是主动脉还是内漏本身，其CNR和SNR均显著高于70-keV DLIR和70-keV HIR图像。例如，内漏的CNR在40-keV DLIR图像上相比70-keV HIR图像提升了惊人的180% ± 82%。这从数据层面证实了该组合方案能有效实现“高对比、低噪声”的成像目标。
• 定性图像分析与诊断信心 ：主观评价与定量结果高度一致。对于存在内漏的患者，三位观察者在40-keV DLIR图像上给出的诊断信心评分最高。更重要的是，能够以高置信度（评分≥4分）正确识别出内漏的患者比例，在使用40-keV DLIR时显著更高或至少与70-keV HIR相当。这表明该技术不仅改善了图像，更直接提升了放射科医生做出明确诊断的把握。
• 内漏检测效能 ：诊断准确性是临床转化的最终试金石。接收者操作特征曲线(ROC)分析显示，在所有观察者中，40-keV DLIR对应的曲线下面积(AUC)值最大（0.92–0.99），优于70-keV DLIR（0.91–0.97）和70-keV HIR（0.88–0.96）。具体到检测率，40-keV DLIR显示出更高的敏感性和更低的假阴性率（即漏诊率），而假阳性率（误诊率）在不同重建方法间则基本相当。这意味着，采用这种新方法，医生能发现更多容易被遗漏的内漏，同时又不会增加不必要的“虚惊一场”。
• 代表性案例 ：文章通过典型病例的图像对比直观展示了差异。在静脉期增强CT图像上，与70-keV HIR和70-keV DLIR相比，40-keV DLIR重建出的内漏（箭头指示）轮廓更清晰、与周围组织的对比更鲜明，显著改善了其显示效果。
研究结论与讨论 部分对上述发现进行了总结和深化。本研究的核心结论是：将低能级（40-keV）虚拟单能CT成像与深度学习图像重建技术相结合，能够协同提升内漏的对比度和图像信噪比，从而显著增强EVAR术后内漏检测的诊断信心与准确性。这种“强强联合”的策略，为解决传统成像方法在检测细微或低速血流内漏方面的持久挑战提供了一种有效的解决方案。
这项研究的意义深远。首先，它并非否定传统增强CT在EVAR随访中的基石地位，而是指出在已具备双能CT设备的医疗机构中，从同一套扫描数据中额外重建出DLIR处理的低能级VMI序列，可以作为常规影像的有力补充。由于DLIR是一种后处理重建技术而非额外扫描，因此可以在不增加患者辐射剂量的前提下，无缝整合到现有临床工作流中。其次，该研究为影像技术的发展方向提供了实证。它表明，先进的图像重建算法与优化的能级选择相结合，能够从现有数据中“挖掘”出更多有价值的诊断信息，这对于实现精准医疗和改善患者预后至关重要。将DLIR低能级VMI作为EVAR术后影像随访的辅助工具，有望增强诊断信心，降低内漏漏诊的可能性，从而促使患者得到更及时、更有效的干预。
当然，研究者也坦诚指出了本研究的局限性，如样本量较小、单中心回顾性设计可能引入选择偏倚，仅评估了DLIR的最高强度设置和HIR的一种混合因子等。此外，关于低能级单能成像与低千伏单能成像孰优孰劣的争论，本研究未做直接比较。未来的研究需要在更大规模、多中心的前瞻性队列中进一步验证该技术的效能，并探索其在区分内漏类型、评估血流动力学等方面的潜在价值。
总而言之，这项研究如同为放射科医生配备了一副功能更强的“影像眼镜”，让EVAR术后那些狡猾隐藏的内漏无所遁形。它标志着影像后处理智能算法在提升血管疾病诊疗水平方面迈出了坚实的一步，为优化动脉瘤患者的长期管理方案贡献了重要的循证依据。
打赏
