摘要目的:探讨人工智能(AI)对头颈动脉CTA图像后处理和诊断头颈动脉狭窄的中的价值.方法:回顾性收集 2022年 11月至 2023年 10月 42例均行头颈CTA和头颈动脉数字减影血管造影(DSA)检查患者的影像学资料.图像后处理及诊断分为AI组和人工组,对比两组在图像后处理用时和图像质量主观评分及识别头颈动脉斑块性质(钙化斑块、非钙化斑块和混合性斑块)的差异.以DSA结果为金标准,对比两组在诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率差异,并将两组诊断结果与DSA结果进行一致性Kappa检验;采用受试者操作特征曲线(ROC)分析AI组和人工组对头颈动脉狭窄的诊断效能,并采用Z检验比较其差异.结果:AI组后处理及诊断用时为(366.48±18.54)s,较人工组(1291.63±52.27)s缩短了约 71.65%,差异有统计学意义;两种方法得到图像质量主观评分差异无统计学意义.人工组共识别头颈动脉斑块 145个,AI组共识别头颈动脉斑块 145个,其中AI组准确识别不同性质斑块 141个,总准确率为 97.24%(141/145).AI组与人工组对识别头颈动脉钙化斑块、非钙化斑块及混合性斑块差异均无统计学意义,且两组识别斑块性质的一致性较好(Kappa=0.845).AI组诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为87.09%(27/31)、81.82%(9/11)、93.10%(27/29)、69.23%(9/13)和 85.71%(36/42),与DSA诊断头颈动脉狭窄一致性较好(Kappa=0.792);人工组诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为 90.32%(28/31)、81.82%(9/11)、93.33%(28/30)、75.00%(9/12)和 88.10%(37/42),与DSA诊断头颈动脉狭窄一致性较好(Kappa=0.801),并且两组诊断效能差异均无统计学意义.ROC曲线分析结果显示,AI组与人工组诊断头颈动脉狭窄的曲线下面积(AUC)分别为0.845和 0.861,差异无统计学意义.结论:AI技术在头颈CTA图像后处理用时、评估头颈动脉狭窄及斑块性质识别方面具有较高的临床价值,可作为医师分析诊断头颈CTA的有效辅助工具.