AI + SPOT成像：心脏疤痕检测与量化的技术突破
核心资料来源： 波尔多大学心律研究所（IHU LIRYC）、波尔多大学附属医院心脏病科、洛桑大学医院放射科、洛桑生物医学成像中心 (CIBM)。
目录
心肌疤痕的精准评估是心血管疾病诊断、治疗决策及风险预测的关键环节。但临床上广泛使用的亮血延迟钆增强磁共振技术，在应用中却存在明显的局限性。由于血液与疤痕的信号对比度不足，高达30%的病灶可能被漏诊，且图像分析高度依赖人工，耗时且标准不一。
针对这一难题，法国波尔多大学与瑞士洛桑大学的研究团队在 《自然-科学报告》（Scientific Reports） 发表了最新成果。他们开发了一种名为 SPOT 的新型成像序列，并结合全自动AI分析系统，实现了心脏疤痕检测的精准化与自动化，将原本耗时20分钟的分析过程 缩短至5秒以内。
传统技术的瓶颈
目前的常规LGE成像技术主要通过抑制健康心肌的信号来突显疤痕。但在实际图像中，心腔内的血液信号往往较高，与紧邻心内膜下的微小疤痕难以区分。信号模糊导致医生难以精准界定病灶范围。
此外，为了获得定量的疤痕数据，放射科医生通常需要手动勾画心肌轮廓。这一过程不仅平均耗时约 20分钟，且不同医生的勾画结果常存在差异，难以满足临床对标准化、高效率诊断的需求。
SPOT技术：双图像互补与AI自动化
研究团队提出的 SPOT (Scar-specific imaging with Preserved myOcardial visualizaTion) 技术，通过在单次扫描中同步获取两组互补图像，从物理层面解决了对比度问题，并引入AI实现了全流程自动化。
1. 多光谱成像设计
SPOT序列采用交替采集的方式，同时获得两类图像：
- 黑血图像（侧重检测）： 通过特定的磁化准备模块，同步抑制血液和健康心肌的信号。图像中仅疤痕组织呈现高信号，显著提升了疤痕与背景的对比度。
- 亮血图像（侧重定位）： 保留血液与心肌的自然对比，提供清晰的解剖结构信息，用于精准定位疤痕所在的解剖位置。
图1：SPOT在奇数心跳采集黑血图像（T1-rho时长27毫秒，完全抑制血与心肌），偶数心跳采集亮血图像（T1-rho时长50毫秒，优化对比）
这种设计将 病灶检测 与 解剖定位 分离，有效避免了单一图像中信号混淆的问题。
2. 嵌入式AI分析
研究团队集成了一套基于深度学习的自动化处理流程：
- 利用 Transformer 网络 自动分割左心室壁；
- 利用 U-Net 网络 定位解剖标志点；
- 利用 区域生长算法 在黑血图像上自动量化疤痕体积。
图2：传统PSIR仅抑制心肌，而SPOT同步压制血池信号，瘢痕-心肌对比度提升3倍（P<0.001）
这一流程无需人工干预，实现了从图像输入到报告生成的端到端自动化。
临床验证：检出率与效率的提升
该技术在仿真模拟、动物模型及 450名缺血性心脏病患者 中进行了验证，主要结果如下：
- 检出精度提升11.2%：相比传统PSIR技术，SPOT技术在患者队列中多检测出 11.2% 的疤痕节段，尤其显著提升了对心内膜下微小疤痕的检出能力。
- 分析速度极大提升：全流程自动化处理时间 小于5秒，而传统人工分析平均需要20分钟。
- 高度的可重复性：AI自动分割结果与专家手动分析的一致性极高（DICE系数 82.0%），且消除了人工操作带来的观察者间误差。
图3：传统PSIR难以分辨的微小瘢痕（黄色箭头），在SPOT黑血图像中一目了然
行业洞察与临床意义
SPOT技术的出现展示了医疗影像发展的三个方向：
- 成像与算法融合： 解决复杂诊断问题不能仅靠后端算法，通过优化前端成像序列（如SPOT的黑血/亮血分离设计）提升原始数据质量，是提高AI诊断准确率的基础。
- 全流程自动化： 将扫描、分割、量化整合为闭环系统，实现 成像即量化，是医疗AI工具真正融入临床工作流、降低医生负担的前提。
- 识别隐匿病灶： 提高对微小病灶的检出率，有助于明确部分非梗阻性冠心病患者的病因，从而优化除颤器植入等后续治疗策略。
