近期，雷鋒網舉辦了首期“心血管科技云峰會”，從臨床角度剖析了心血管領域正在發生的技術變革，以及人工智能涌入后，心血管智能醫療產品的發展軌跡。脈流科技創始人兼CEO向建平、睿心醫療聯合創始人兼CTO馬駿 、博動醫學CMO林曉杰、匯醫慧影CTO張路、正心科技CEO趙衛等嘉賓出席了云峰會，并發表了主題演講。

作為此次大會的演講嘉賓，匯醫慧影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產品的研發和落地思路。 作為心血管領域最危險、增速最快的疾病之一，主動脈夾層被心內科和胸外科醫生稱為“不定時的炸彈”。

阜外華中心血管病醫院血管外科主任張志東曾表示，“近年心外科手術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方案造成較大挑戰，為此匯醫慧影聯合301醫院研發了AORTIST主動脈人工智能精準診療系統。 張路表示：“AORTIST主動脈診療系統可以自動重建分割主動脈血管夾層部位，并區分出真腔和假腔，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；還可以為術后臨床轉歸提供決策依據。在301的臨床試驗證明，這種方式相比醫生的手動標注，可以把分割和測量時間從4小時縮短至幾分鐘。”以下為張路演講全文內容，雷鋒網《醫健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，血管類疾病已經接近首位，不管腦部還是心臟疾病，一旦發作，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導致血管內膜撕裂，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型主動脈夾層年發生率約為0.3/10萬，發病率雖然不高，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修復術，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。 如果手術成功，一般患者預后也可能有一些并發癥，例如發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： 首先難以實現快速準確多參數測量，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）。 現在掃描技術的提升使整個CT掃描都很薄，主動脈CT掃描片子數量非常多，可以達到上千張。如果對主動脈手術做精準手術方案，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參數測量造成很大誤差。 經驗豐富的醫生，能夠發現更重要圖像層，制定正確手術方案。 而其他經驗不足的醫生，可能會無法做出合適測量，造成手術方案不完備，且無法得到最優化方案。 此外，由于人工受限性，人工測量參數范圍也很有限，只能測量少量的直徑，無法測量血管容積，從而影響整個手術方案決策。

此外還存在TEVAR術后臨床轉歸預測沒有依據的問題。通過醫生發表的很多文章可以發現，臨床的復雜場景造成支架放進去后容易出現假腔持續性血流現象，內臟動脈假腔供血等，這些因素影響病人預后轉歸。AI助力解決血管疾病的方案針對以上兩個問題，匯醫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學影像最常見應用之一。 產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。 有了分割結果以后，就可以通過人工智能多任務卷積神經網絡CNN方式對分割結果進行學習，之后通過計算自動對血管進行分割。 跟臨床醫生交流經驗后得知，一個熟練臨床醫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就能完成血管分割和測量。

第二個解決難點是術后預測，通過影像組學研究方式對術后結果進行預測。通過人工智能方式能夠對血管做自動分割，把感興趣區域勾畫出來，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，形成訓練集數據庫。 組學研究方法最常見就是特征降維，特征分析和機器學習。現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據驗證以后就能形成針對個體的最優模型，之后再輸入一些B型主動脈夾層病人手術圖像，就能針對圖像做終點事件發生概率預測。人工智能精準診療平臺AORTIST3.0

匯醫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，該平臺經過近三年的迭代，已經從從1.0發展到了3.0。

這是平臺的登錄頁面，平臺已經主要做兩個病種：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院通過開通賬號進行接入。通過我們數據對接上傳接口，把分析數據進行上傳，通過臨床數據填寫簡單操作，最后獲得想要的手術方案以及預后預測結果。 由于血管場景跟影像科場景不太一樣，影像科一天之內就可以對肺結節場景做兩三百個掃描，這種情況下，很多醫院都希望把人工智能輔助診斷放到醫院內。 主動脈發病率沒有那么高，每天手術量也沒有那么大，為此我們提供了云平臺，方便更多醫院使用我們產品。 醫院通過數據對接上傳接口，把分析數據進行上傳，通過臨床數據填寫簡單操作，最后獲得想要的手術方案以及預后預測結果。

B型主動脈夾層產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，所以手術方案最主要就是確定支架位置，提取真腔中心線為后續手術方案規劃做準備。

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，手術推薦方案要將第一破口堵住，第一破口堵住后續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醫院合作中的經驗，結合第一破口位置、最大最小徑位置等因素結合在一起，形成手術方案。

手術方案包括兩方面: 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，結合第一破口位置把支架放進去。 把手術方案制定完成以后，就可以結合組學分析方法對術后不良反應做預測。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構化報告，包括手術方案推薦、具體支架選型、支架放置位置等方面，還會提供術后預測結果隨訪，胸主動脈擴張概率隨訪周期制定。

這個過程中，醫生可以用我們軟件對看圖過程中發現的關鍵幀影像進行截圖，在結構化報告里把這些關鍵幀放到里面，方便醫生以后使用。 我們還做腹主動脈瘤產品。動脈瘤實際并不是腫瘤，本質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鍵血管位置做了一些定位線。 結合這兩個產品，從算法架構上可以看到，整個產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，這是醫生制定手術方案中最有用的部分，醫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。 對于醫生，一方面平臺可以提供手術方案，另一方面也可以根據測量結果，結合自己經驗制定手術方案。 整個自動分割和測量會節省醫生大量時間，對301醫院進行了解以后知道以前一個熟練的醫生，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。而通過我們人工智能技術，可以自動把這些值都測量出來只需要幾分鐘，節省醫生制定手術方案時所需要的時間。 此外，我們結合301醫院經驗做了一些手術方案規劃，手術方案規劃需要做一些關鍵定位線位置選擇，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。

總結起來，我們產品創新主要包括以下幾個方面： 使用基于CNN開發，就是基于深度學習CNN神經網絡，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，實現對腹主動脈檢測。 之后，我們也會將創新覆蓋到更多地方，例如頸動脈、下肢動脈等更多動脈位置，此外還實現主動脈整體、真假腔、分支血管分割。 方法創新上，我們利用影像組學技術輔助B型主動脈夾層術后轉歸臨床預測。

同時，我們也開發針對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，實現術后隨訪規劃。 另外，基于自動分割算法和第一破口識別算法，實現標準化TEVAR手術自動規劃，之前的人工智能產品基本還停留在檢測方向。 我們整個軟件優勢在于，平臺首次結合人工智能方法，最后落地到手術自動規劃，面向血管外科臨床科室，不僅做檢測，還能夠對如何治療做出建議和意見。

總結一下，我們產品臨床價值是提供精準主動脈分割、便捷三維可視化，以及我們全面解剖參數測量，能夠很大程度提高醫生進行手術方案規劃。 同時幫助基層醫生制定更完備手術方案，通過組學預測方式對患者術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，目前已經開發10多個病種； 二是數字智能膠片，幫助患者把影像檢查的結果保留在患者手機里，方便患者轉診和隨訪等； 三是區域影像醫聯體，為智慧影像建設和上下級醫院教學提供基礎平臺； 四是Radcloud大數據科研平臺，是服務于醫院科研的一套科研平臺，主要使用放射組學技術和深度學習技術幫助醫院快速發表科研論文。

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】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq