近期，雷鋒網(wǎng)舉辦了首期“心血管科技云峰會”，從臨床角度剖析了心血管領(lǐng)域正在發(fā)生的技術(shù)變革，以及人工智能涌入后，心血管智能醫(yī)療產(chǎn)品的發(fā)展軌跡。脈流科技創(chuàng)始人兼CEO向建平、睿心醫(yī)療聯(lián)合創(chuàng)始人兼CTO馬駿 、博動醫(yī)學CMO林曉杰、匯醫(yī)慧影CTO張路、正心科技CEO趙衛(wèi)等嘉賓出席了云峰會，并發(fā)表了主題演講。

作為此次大會的演講嘉賓，匯醫(yī)慧影CTO張路，以「人工智能助力血管疾病精確診療」為題，為我們解讀AORTIST產(chǎn)品的研發(fā)和落地思路。 作為心血管領(lǐng)域最危險、增速最快的疾病之一，主動脈夾層被心內(nèi)科和胸外科醫(yī)生稱為“不定時的炸彈”。

阜外華中心血管病醫(yī)院血管外科主任張志東曾表示，“近年心外科手術(shù)量長最快的就是主動脈夾層”。 這種疾病搶救和治療難度大的主要原因就在于手術(shù)治療方案中，人工測量血管直徑、破口識別存在明顯誤差缺陷，對于快速制定精準手術(shù)方案造成較大挑戰(zhàn)，為此匯醫(yī)慧影聯(lián)合301醫(yī)院研發(fā)了AORTIST主動脈人工智能精準診療系統(tǒng)。 張路表示：“AORTIST主動脈診療系統(tǒng)可以自動重建分割主動脈血管夾層部位，并區(qū)分出真腔和假腔，用不同顏色對真腔和假腔進行標識，通過MPR以及3D方式對整個主動脈血管進行全方位展示；還可以為術(shù)后臨床轉(zhuǎn)歸提供決策依據(jù)。在301的臨床試驗證明，這種方式相比醫(yī)生的手動標注，可以把分割和測量時間從4小時縮短至幾分鐘?！币韵聻閺埪费葜v全文內(nèi)容，雷鋒網(wǎng)《醫(yī)健AI掘金志》做了不改變原意的整理和編輯：大家好，我是慧影醫(yī)療科技（北京）有限公司CTO張路，今天跟大家分享題目是“人工智能助力血管疾病精準診療”。

血管疾病現(xiàn)狀及項目起源

血管疾病大家都很熟悉，常見有腦出血、腦梗等等，心臟方面常見疾病是冠脈粥樣硬化。嚴重主動脈疾病有主動脈夾層、主動脈瘤，下肢動脈硬化閉塞癥等等。 人類疾病死亡原因中，血管類疾病已經(jīng)接近首位，不管腦部還是心臟疾病，一旦發(fā)作，死亡率非常高。 在此情況下，我們打算通過人工智能方式助力血管疾病方向精準診療。

B型主動脈夾層屬于主動脈疾病，主動脈夾層致病原因主要由血壓高或其它原因?qū)е卵軆?nèi)膜撕裂，形成假腔。 假腔形成以后，主動脈里血流會有一部分從主動脈進入假腔，造成整個主動脈真腔血流減少，假腔血增加影響整個動脈血流，如果主動脈夾層破裂就會致死，如果慢性期可能形成夾層動脈瘤。 B型主動脈夾層年發(fā)生率約為0.3/10萬，發(fā)病率雖然不高，但致死率很高，20%患者在入院前就會死亡，10%患者會在住院期間死亡。

主動脈夾層最主流治療方式就是胸主動脈腔內(nèi)修復術(shù)，在主動脈里放一個支架，通過支架封堵第一破口，然后恢復真腔供血，導致假腔血栓形成，最后改善分支動脈供血，防止夾層破裂。 如果手術(shù)成功，一般患者預后也可能有一些并發(fā)癥，例如發(fā)生胸主動脈擴張或腹主動脈擴張等等。

B型主動脈夾層治療過程中，臨床存在以下問題： 首先難以實現(xiàn)快速準確多參數(shù)測量，主動脈是一根非常長的血管，主動脈夾層檢查方法就是CTA（CT血管造影）。 現(xiàn)在掃描技術(shù)的提升使整個CT掃描都很薄，主動脈CT掃描片子數(shù)量非常多，可以達到上千張。如果對主動脈手術(shù)做精準手術(shù)方案，就需要對每一張圖片每張影像血管進行測量。 同時由于CT是斷層掃描，所以測量并不是沿著血管軸線，經(jīng)常需要沿著血管橫切面進行，沒有辦法直接測量軸線最大徑，而僅僅測量橫切面最大徑會給手術(shù)參數(shù)測量造成很大誤差。 經(jīng)驗豐富的醫(yī)生，能夠發(fā)現(xiàn)更重要圖像層，制定正確手術(shù)方案。 而其他經(jīng)驗不足的醫(yī)生，可能會無法做出合適測量，造成手術(shù)方案不完備，且無法得到最優(yōu)化方案。 此外，由于人工受限性，人工測量參數(shù)范圍也很有限，只能測量少量的直徑，無法測量血管容積，從而影響整個手術(shù)方案決策。

此外還存在TEVAR術(shù)后臨床轉(zhuǎn)歸預測沒有依據(jù)的問題。通過醫(yī)生發(fā)表的很多文章可以發(fā)現(xiàn)，臨床的復雜場景造成支架放進去后容易出現(xiàn)假腔持續(xù)性血流現(xiàn)象，內(nèi)臟動脈假腔供血等，這些因素影響病人預后轉(zhuǎn)歸。AI助力解決血管疾病的方案針對以上兩個問題，匯醫(yī)慧影通過人工智能方式提供如下幾個解決方案。

首先基于深度學習對圖像進行自動分割和測量，這是目前深度學習在醫(yī)學影像最常見應用之一。 產(chǎn)品訓練和生成主要分為幾個步驟： 首先，獲取用于學習的DICOM文件，找醫(yī)生做手動分割，把主動脈分割出來，此外因為夾層還需要把真腔和假腔分割出來。 有了分割結(jié)果以后，就可以通過人工智能多任務卷積神經(jīng)網(wǎng)絡CNN方式對分割結(jié)果進行學習，之后通過計算自動對血管進行分割。 跟臨床醫(yī)生交流經(jīng)驗后得知，一個熟練臨床醫(yī)生做主動脈分割和測量需要4個小時左右。而通過人工智能方式幾分鐘之內(nèi)就能完成血管分割和測量。

第二個解決難點是術(shù)后預測，通過影像組學研究方式對術(shù)后結(jié)果進行預測。通過人工智能方式能夠?qū)ρ茏鲎詣臃指?，把感興趣區(qū)域勾畫出來，同時增加臨床特征，例如病人有沒有高血壓、有沒有服用降壓藥等，形成訓練集數(shù)據(jù)庫。 組學研究方法最常見就是特征降維，特征分析和機器學習?，F(xiàn)在常用的特征提取方法有1000多種，這1000多種特征提取出來以后可以通過降維和機器學習方法，建立出基于組學的預測模型。 組學預測模型通過驗證集數(shù)據(jù)驗證以后就能形成針對個體的最優(yōu)模型，之后再輸入一些B型主動脈夾層病人手術(shù)圖像，就能針對圖像做終點事件發(fā)生概率預測。人工智能精準診療平臺AORTIST3.0

匯醫(yī)慧影在兩個方案的基礎上，形成了人工智能精準診療平臺——AORTIST，該平臺經(jīng)過近三年的迭代，已經(jīng)從從1.0發(fā)展到了3.0。

這是平臺的登錄頁面，平臺已經(jīng)主要做兩個病種：B型主動脈夾層和腹主動脈瘤。 我們這個平臺是一個云平臺，云上就可以方便各個醫(yī)院通過開通賬號進行接入。通過我們數(shù)據(jù)對接上傳接口，把分析數(shù)據(jù)進行上傳，通過臨床數(shù)據(jù)填寫簡單操作，最后獲得想要的手術(shù)方案以及預后預測結(jié)果。 由于血管場景跟影像科場景不太一樣，影像科一天之內(nèi)就可以對肺結(jié)節(jié)場景做兩三百個掃描，這種情況下，很多醫(yī)院都希望把人工智能輔助診斷放到醫(yī)院內(nèi)。 主動脈發(fā)病率沒有那么高，每天手術(shù)量也沒有那么大，為此我們提供了云平臺，方便更多醫(yī)院使用我們產(chǎn)品。 醫(yī)院通過數(shù)據(jù)對接上傳接口，把分析數(shù)據(jù)進行上傳，通過臨床數(shù)據(jù)填寫簡單操作，最后獲得想要的手術(shù)方案以及預后預測結(jié)果。

B型主動脈夾層產(chǎn)品主要包括以下幾個要素： 真假腔軸位顯示、MPR顯示、主動脈做了拉直，拉直以后可以對各個真假腔直徑進行測量，以及測量值顯示，我們整個軟件診斷步驟包括： 第一步，分割血管，主要做血管壁、真腔、假腔、分支血管分割，分割以后提取真腔中心線，提取中心線之后對整個手術(shù)方案做預測。剛才提到B型主動脈夾層主要放支架進去，所以手術(shù)方案最主要就是確定支架位置，提取真腔中心線為后續(xù)手術(shù)方案規(guī)劃做準備。

第二步，夾層分析主要對第一破口進行識別，識別第一破口在B型主動脈夾層治療方案，手術(shù)推薦方案要將第一破口堵住，第一破口堵住后續(xù)破口就沒有那么重要，所以我們還要做第一破口識別，第一破口位置決定手術(shù)過程中支架放在什么位置。 在分割血管、測量、獲取第一破口的過程中，我們還定義了一些Key Line，把血管中對手術(shù)方案有影響的部位進行標注，通過這些Key Line定位，為之后手術(shù)方案做準備，最后對重建圖像最大、最小徑、容積作出測量。

第三步，采用和301醫(yī)院合作中的經(jīng)驗，結(jié)合第一破口位置、最大最小徑位置等因素結(jié)合在一起，形成手術(shù)方案。

手術(shù)方案包括兩方面: 一是支架選型，主要選擇支架入口大小、出口大小、長度等等。 二是決定支架位置，B型主動脈夾層治療最核心就是把第一破口堵住，結(jié)合第一破口位置把支架放進去。 把手術(shù)方案制定完成以后，就可以結(jié)合組學分析方法對術(shù)后不良反應做預測。B型主動脈夾層不良反應包括胸主動脈擴張、腹主動脈擴張等等。

由于每個患者具體情況不同術(shù)后反應也會不一樣，情況輕微患者，胸主動脈擴張、腹主動脈擴張概率會比較低，一些患者擴張的概率可能就比較高，影響患者術(shù)后隨訪周期。 例如癥狀輕微的患者，隨訪周期比較久，半年或者一年做一次隨訪，而嚴重病人隨訪周期就會比較短，一個月或三個月進行一次隨訪。預后預測可以針對不同患者給到精準結(jié)果，因為我們是利用影像組學分析跑出來的模型，所以針對不同患者會有不同推薦值。 最后一步，把上述所有信息生成結(jié)構(gòu)化報告，包括手術(shù)方案推薦、具體支架選型、支架放置位置等方面，還會提供術(shù)后預測結(jié)果隨訪，胸主動脈擴張概率隨訪周期制定。

這個過程中，醫(yī)生可以用我們軟件對看圖過程中發(fā)現(xiàn)的關(guān)鍵幀影像進行截圖，在結(jié)構(gòu)化報告里把這些關(guān)鍵幀放到里面，方便醫(yī)生以后使用。 我們還做腹主動脈瘤產(chǎn)品。動脈瘤實際并不是腫瘤，本質(zhì)上是血管因為各種病理性原因造成局部血管膨脹，膨脹后局部血管比正常血管粗很多，外形上像是一個膨大的瘤子，所以叫做動脈瘤。 腹主動脈瘤跟夾層不一樣，夾層是因為血管破裂形成真腔和假腔，而腹主動脈瘤成分相對比較復雜，有真實管腔、血栓和鈣化等。

腹主動脈瘤在分割血管時，一方面要把血管管腔找出來，另外還要找到血管壁，確定血管最大徑位置，把血管上沉著、血栓、鈣化等也都找出來。 此外，因為腹主動脈瘤所在位置特殊，處于腹主動脈到髂動脈之間，所以腹主動脈末端會形成兩個分支髂動脈，在做血管分割時不僅要對腹主動脈做分割，還要對髂動脈做分割。最后主動脈治療方式也要放支架，不僅需要在腹主動脈里放支架，還需要在髂動脈里面放支架。 針對腹主動脈瘤的臨床特點，提取血管中心線時要根據(jù)整體對不同管腔作提取，例如腹主動脈到左髂動脈有一個中心線提取，腹主動脈到右髂動脈也有一個中心線提取。 在測量時，除了對管腔直徑做出測量以外，我們也對腹主動脈關(guān)鍵血管位置做了一些定位線。 結(jié)合這兩個產(chǎn)品，從算法架構(gòu)上可以看到，整個產(chǎn)品算法是基于深度學習分割和測量對血管壁、真腔假、以及鈣化、血栓區(qū)域進行分割等。

在分割基礎上可以對各條血管、各個部位進行自動化測量，這是醫(yī)生制定手術(shù)方案中最有用的部分，醫(yī)生可以看到整個血管中，真腔最大徑、最小徑，以及所在位置等。 對于醫(yī)生，一方面平臺可以提供手術(shù)方案，另一方面也可以根據(jù)測量結(jié)果，結(jié)合自己經(jīng)驗制定手術(shù)方案。 整個自動分割和測量會節(jié)省醫(yī)生大量時間，對301醫(yī)院進行了解以后知道以前一個熟練的醫(yī)生，需要4個多小時才能完成一例病人的測量，而且沒有辦法對所有影像進行測量。而通過我們?nèi)斯ぶ悄芗夹g(shù)，可以自動把這些值都測量出來只需要幾分鐘，節(jié)省醫(yī)生制定手術(shù)方案時所需要的時間。 此外，我們結(jié)合301醫(yī)院經(jīng)驗做了一些手術(shù)方案規(guī)劃，手術(shù)方案規(guī)劃需要做一些關(guān)鍵定位線位置選擇，這些都是通過深度學習方法完成。 算法核心評價指標是Dice，也就是分割準確率，可以看到我們整個主動脈分割準確率已經(jīng)達到95%，對真腔準確率能達到93%以上，假腔分割準確率也能達到91%以上。此外交并比值達到0.0746，說明分割準確率非常理想。

總結(jié)起來，我們產(chǎn)品創(chuàng)新主要包括以下幾個方面： 使用基于CNN開發(fā)，就是基于深度學習CNN神經(jīng)網(wǎng)絡，完善主動脈夾層自動分割方法，同時推廣并運用主動脈整體，實現(xiàn)對腹主動脈檢測。 之后，我們也會將創(chuàng)新覆蓋到更多地方，例如頸動脈、下肢動脈等更多動脈位置，此外還實現(xiàn)主動脈整體、真假腔、分支血管分割。 方法創(chuàng)新上，我們利用影像組學技術(shù)輔助B型主動脈夾層術(shù)后轉(zhuǎn)歸臨床預測。

同時，我們也開發(fā)針對B型主動脈夾層特異性影像組學新特征，更有效提升預測準確率，更好幫助患者，實現(xiàn)術(shù)后隨訪規(guī)劃。 另外，基于自動分割算法和第一破口識別算法，實現(xiàn)標準化TEVAR手術(shù)自動規(guī)劃，之前的人工智能產(chǎn)品基本還停留在檢測方向。 我們整個軟件優(yōu)勢在于，平臺首次結(jié)合人工智能方法，最后落地到手術(shù)自動規(guī)劃，面向血管外科臨床科室，不僅做檢測，還能夠?qū)θ绾沃委熥龀鼋ㄗh和意見。

總結(jié)一下，我們產(chǎn)品臨床價值是提供精準主動脈分割、便捷三維可視化，以及我們?nèi)娼馄蕝?shù)測量，能夠很大程度提高醫(yī)生進行手術(shù)方案規(guī)劃。 同時幫助基層醫(yī)生制定更完備手術(shù)方案，通過組學預測方式對患者術(shù)后健康管理提供幫助。 總之，我們能夠提高血管外科臨床決策工作效率，血管外科臨床決策準確率和提高支架選型成功率，降低二次修復率，同時實現(xiàn)個性化隨訪方案制定和個人精準診療。

最后對公司做一個簡單介紹，目前公司產(chǎn)品包括以下四大維度： 一是基于人工智能的DR.Turing人工智能平臺，目前已經(jīng)開發(fā)10多個病種； 二是數(shù)字智能膠片，幫助患者把影像檢查的結(jié)果保留在患者手機里，方便患者轉(zhuǎn)診和隨訪等； 三是區(qū)域影像醫(yī)聯(lián)體，為智慧影像建設和上下級醫(yī)院教學提供基礎平臺； 四是Radcloud大數(shù)據(jù)科研平臺，是服務于醫(yī)院科研的一套科研平臺，主要使用放射組學技術(shù)和深度學習技術(shù)幫助醫(yī)院快速發(fā)表科研論文。

原文標題：AI如何成為心血管疾病的「拆彈部隊」

文章出處：【微信公眾號：IoT科技評論】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq