《Journal of Cardiovascular Magnetic Resonance》：Fully Automated Free-Breathing Cardiac MRI at 3 T: A Prospective Randomized Study of Image Quality, Efficiency, and Workflow Burden
编辑推荐：
背景：心脏磁共振(CMR)扫描中的自动化有望提高检查效率与工作流一致性。目前前瞻性临床证据尚有限，难以验证常规CMR实践中自动化扫描工作流的价值。
方法：在这项前瞻性随机研究中，连续纳入拟行非负荷CMR的患者，随机分配至自动化或手动自由呼吸扫描工作流组。全自动
背景：心脏磁共振(CMR)扫描中的自动化有望提高检查效率与工作流一致性。目前前瞻性临床证据尚有限，难以验证常规CMR实践中自动化扫描工作流的价值。
方法：在这项前瞻性随机研究中，连续纳入拟行非负荷CMR的患者，随机分配至自动化或手动自由呼吸扫描工作流组。全自动化工作流集成了成功图像采集多步骤的自动定位面预设。主要终点是总检查时间；次要终点包括定位面预设准确性、图像质量评分、扫描仪空闲时间及技师工作负荷。
结果：筛查255例患者中，221例纳入分析（自动化组n=109，手动组n=112）。所有检查均满足诊断要求。自动化与手动工作流在定位面预设错位发生率上相近，分别为每例检查0.19与0.18次事件（P=0.780）。不同成像平面及技师经验水平间均无显著差异，图像质量评分相当（2.74±0.67对2.69±0.70，P=0.547）。然而，自动化扫描工作流显著缩短总检查时间（19.16±2.32对21.25±2.25 min，P<0.001）及扫描仪空闲时间（7.80±1.80对10.12±2.03 min，P<0.001），且在各经验水平中均一致节省时间。操作者工作负荷也明显降低，鼠标点击数与键盘击键数均减少（均P<0.01）。
结论：自动化CMR扫描工作流在不牺牲图像质量与定位面预设准确性的前提下，提升检查效率并降低操作者工作负荷，支持其在常规临床CMR实践中的整合。
论文解读：3 T全场自由呼吸心脏磁共振全自动扫描的前瞻性随机研究
研究背景与意义
心脏磁共振(CMR)是评估心脏结构与功能的金标准成像 modality。然而，CMR扫描流程复杂，对人机交互要求高，操作者技能差异常导致定位面错位、重复采集，延长检查时间，成为临床推广瓶颈。人工智能(AI)与深度学习为自动化CMR工作流提供了可能，尤其在扫描定位面预设与序列执行方面。既往研究多在1.5 T及屏气条件下开展，对3 T下自由呼吸条件的系统评估不足。自由呼吸策略对心律失常、老年及儿科患者更为重要。此外，自动化对技师交互负担的定量影响尚未明确。为此，研究人员开展此项前瞻性随机研究，在3 T系统上评估涵盖扫描设置、电影成像、血流、T1/T2mapping、灌注及晚期钆增强(LGE)的全自动自由呼吸CMR工作流，以可靠性、检查时间及技师工作负荷为指标，为智能自动化CMR的临床落地提供客观证据。论文发表于《Journal of Cardiovascular Magnetic Resonance》。
关键技术与方法概述
研究人员于2025年3月至11月连续纳入本中心拟行全面自由呼吸CMR的患者，采用1:1计算机生成区组随机序列分为自动化组（软件驱动）与手动组（技师驱动）。排除MRI禁忌、复杂先天性心脏位置异常者；当日追加排除严重心律失常需修改方案、图像不全或未完成检查者。自动化组使用阜外集成化自动化工作流，基于AI Cardiac Scan Companion(AICSC)研究包及myExam Cardiac Assist平台（Siemens Healthineers），实现自动定位、反转时间(TI)选择、层组传播及协议自动化；手动组由不同经验技师手动预设标准左室长轴(LAX)、短轴(SAX)及LGE视图。所有扫描在3 T MRI(MAGNETOM Vida, 18通道体线圈)下以相同自由呼吸序列完成。主要终点为总检查时间，次要终点含定位面预设错位数、图像质量评分(1–3分)、各阶段空闲时间及技师鼠标点击与键盘击键数。统计学采用SPSS 27.0，正态连续变量以均值±标准差表示，组间用t检验或Mann–Whitney U检验，分类变量用卡方或Fisher精确检验，一致性用Cohen’s κ，双侧P<0.05为显著。
研究结果
3.1 研究人群
初筛255例，影像前排除23例，随机232例，最终因严重心律失常、图像不全或中断再排除11例，分析集221例（自动化109例，手动112例）。
3.2 基本临床特征
两组年龄、性别、体质指数(BMI)、心率、CMR适应证（肥厚型心肌病HCM、冠心病CAD、扩张型心肌病DCM等）、心律、技师经验分层(<2年、2–10年、>10年)及左室舒张末容积(LVEDV)、收缩末容积(LVESV)、每搏量(LVSV)、射血分数(LVEF)均可比（均P>0.05）。
3.3 定位面预设质量评估
所有图像均达诊断要求。自动化组发生21次定位面错位事件(19.3%)，手动组20次(17.9%)，对应每例事件率0.19对0.18（P=0.780）。按技师经验分层（<2年、2–10年、>10年）亦无差异（P≥0.427）。两名≥10年经验心血管影像医师盲法评分一致性极佳(Cohen’s κ=0.890)，自动化与手动组平面预设质量评分分别为2.74±0.67与2.69±0.70（P=0.547）。按成像方位（左室冠状LV-C、2腔、4腔、左室流出道LVOT、短轴）分层，各视图错位数均无组间差异（均P>0.05）。
3.4 检查效率评估
自动化工作流总检查时间更短（19.16±2.32对21.25±2.25 min，P<0.001），总空闲时间更少（7.80±1.80对10.12±2.03 min，P<0.001）。分阶段看，自动化显著缩短造影前时间（6.39±0.96对8.60±1.80 min，P<0.001）及造影前空闲相（3.33±0.89对5.63±1.45 min，P<0.001）；注射时间、造影后时间及造影后空闲相两组相似（P>0.05）。按技师经验分层，自动化在各经验水平均显著降低总检查时间、造影前时间及总空闲、造影前空闲时间（均P≤0.032）。
3.5 工作负荷比较
自动化工作流大幅减少人机交互：鼠标点击数18±2对98±8（P<0.001），键盘击键数5±2对61±16（P=0.004）。
讨论与结论总结
研究人员指出，此项在3 T自由呼吸条件下开展的前瞻性CMR研究表明，自动化与手动扫描在定位面错位率及质量评分上相当，不受方位与技师经验影响。核心优势在于自动化显著缩短总检查时间与系统空闲时间，降低技师交互负荷。与既往集中于1.5 T单序列验证不同，本研究端到端评估临床全协议，队列较大(n=221)，且覆盖14–83岁包括儿童、老迈及体弱者，证明AI算法在高场自由呼吸这一更高变异性环境中仍具稳健性。时间节约主要来自造影前阶段：AI自动心脏定位、视场(FOV)与层位优化、自动TI选定(Auto TI模块)削减了手动规划与确认点选。引入鼠标与键盘计数使工作负荷定量化，补充了传统时效与错误率指标。自动化抵消了操作者经验依赖，利于高通量中心标准化与可扩展部署，推动多中心CMR协调。
局限含单厂商算法、未纳入复杂先心、仍需人工终验、当前仅覆盖采集自动化而未及后处理与定量组织特征(如T1、T2mapping、细胞外容积ECV、LGE定量)，未来将向端到端全自动后处理延伸。
结论翻译
总之，这项前瞻性研究表明，自动化CMR扫描工作流在维持图像质量与定位面预设准确性的同时，显著提升操作效率并减轻技师工作负荷。通过在自由呼吸条件下简化复杂任务，该智能工作流解决了CMR临床实践的关键瓶颈。研究结果为自动化扫描在常规CMR中的更广泛临床转化与标准化提供了有力客观证据。
