如何把AI从影像科带到临床？

近期，雷锋网举办了首期“心血管科技云峰会”，从临床角度剖析了心血管领域正在发生的技术变革，以及人工智能涌入后，心血管智能医疗产品的发展轨迹。脉流科技创始人兼CEO向建平、睿心医疗联合创始人兼CTO马骏 、博动医学CMO林晓杰、汇医慧影CTO张路、正心科技CEO赵卫等嘉宾出席了云峰会，并发表了主题演讲。

作为此次大会的演讲嘉宾，汇医慧影CTO张路，以「人工智能助力血管疾病精确诊疗」为题，为我们解读AORTIST产品的研发和落地思路。 作为心血管领域最危险、增速最快的疾病之一，主动脉夹层被心内科和胸外科医生称为“不定时的炸弹”。

阜外华中心血管病医院血管外科主任张志东曾表示，“近年心外科手术量长最快的就是主动脉夹层”。 这种疾病抢救和治疗难度大的主要原因就在于手术治疗方案中，人工测量血管直径、破口识别存在明显误差缺陷，对于快速制定精准手术方案造成较大挑战，为此汇医慧影联合301医院研发了AORTIST主动脉人工智能精准诊疗系统。 张路表示：“AORTIST主动脉诊疗系统可以自动重建分割主动脉血管夹层部位，并区分出真腔和假腔，用不同颜色对真腔和假腔进行标识，通过MPR以及3D方式对整个主动脉血管进行全方位展示；还可以为术后临床转归提供决策依据。在301的临床试验证明，这种方式相比医生的手动标注，可以把分割和测量时间从4小时缩短至几分钟。”以下为张路演讲全文内容，雷锋网《医健AI掘金志》做了不改变原意的整理和编辑：大家好，我是慧影医疗科技（北京）有限公司CTO张路，今天跟大家分享题目是“人工智能助力血管疾病精准诊疗”。

血管疾病现状及项目起源

血管疾病大家都很熟悉，常见有脑出血、脑梗等等，心脏方面常见疾病是冠脉粥样硬化。严重主动脉疾病有主动脉夹层、主动脉瘤，下肢动脉硬化闭塞症等等。 人类疾病死亡原因中，血管类疾病已经接近首位，不管脑部还是心脏疾病，一旦发作，死亡率非常高。 在此情况下，我们打算通过人工智能方式助力血管疾病方向精准诊疗。

B型主动脉夹层属于主动脉疾病，主动脉夹层致病原因主要由血压高或其它原因导致血管内膜撕裂，形成假腔。 假腔形成以后，主动脉里血流会有一部分从主动脉进入假腔，造成整个主动脉真腔血流减少，假腔血增加影响整个动脉血流，如果主动脉夹层破裂就会致死，如果慢性期可能形成夹层动脉瘤。 B型主动脉夹层年发生率约为0.3/10万，发病率虽然不高，但致死率很高，20%患者在入院前就会死亡，10%患者会在住院期间死亡。

主动脉夹层最主流治疗方式就是胸主动脉腔内修复术，在主动脉里放一个支架，通过支架封堵第一破口，然后恢复真腔供血，导致假腔血栓形成，最后改善分支动脉供血，防止夹层破裂。 如果手术成功，一般患者预后也可能有一些并发症，例如发生胸主动脉扩张或腹主动脉扩张等等。

B型主动脉夹层治疗过程中，临床存在以下问题： 首先难以实现快速准确多参数测量，主动脉是一根非常长的血管，主动脉夹层检查方法就是CTA（CT血管造影）。 现在扫描技术的提升使整个CT扫描都很薄，主动脉CT扫描片子数量非常多，可以达到上千张。如果对主动脉手术做精准手术方案，就需要对每一张图片每张影像血管进行测量。 同时由于CT是断层扫描，所以测量并不是沿着血管轴线，经常需要沿着血管横切面进行，没有办法直接测量轴线最大径，而仅仅测量横切面最大径会给手术参数测量造成很大误差。 经验丰富的医生，能够发现更重要图像层，制定正确手术方案。 而其他经验不足的医生，可能会无法做出合适测量，造成手术方案不完备，且无法得到最优化方案。 此外，由于人工受限性，人工测量参数范围也很有限，只能测量少量的直径，无法测量血管容积，从而影响整个手术方案决策。

此外还存在TEVAR术后临床转归预测没有依据的问题。通过医生发表的很多文章可以发现，临床的复杂场景造成支架放进去后容易出现假腔持续性血流现象，内脏动脉假腔供血等，这些因素影响病人预后转归。AI助力解决血管疾病的方案针对以上两个问题，汇医慧影通过人工智能方式提供如下几个解决方案。

首先基于深度学习对图像进行自动分割和测量，这是目前深度学习在医学影像最常见应用之一。 产品训练和生成主要分为几个步骤： 首先，获取用于学习的DICOM文件，找医生做手动分割，把主动脉分割出来，此外因为夹层还需要把真腔和假腔分割出来。 有了分割结果以后，就可以通过人工智能多任务卷积神经网络CNN方式对分割结果进行学习，之后通过计算自动对血管进行分割。 跟临床医生交流经验后得知，一个熟练临床医生做主动脉分割和测量需要4个小时左右。而通过人工智能方式几分钟之内就能完成血管分割和测量。

第二个解决难点是术后预测，通过影像组学研究方式对术后结果进行预测。通过人工智能方式能够对血管做自动分割，把感兴趣区域勾画出来，同时增加临床特征，例如病人有没有高血压、有没有服用降压药等，形成训练集数据库。 组学研究方法最常见就是特征降维，特征分析和机器学习。现在常用的特征提取方法有1000多种，这1000多种特征提取出来以后可以通过降维和机器学习方法，建立出基于组学的预测模型。 组学预测模型通过验证集数据验证以后就能形成针对个体的最优模型，之后再输入一些B型主动脉夹层病人手术图像，就能针对图像做终点事件发生概率预测。人工智能精准诊疗平台AORTIST3.0

汇医慧影在两个方案的基础上，形成了人工智能精准诊疗平台——AORTIST，该平台经过近三年的迭代，已经从从1.0发展到了3.0。

这是平台的登录页面，平台已经主要做两个病种：B型主动脉夹层和腹主动脉瘤。 我们这个平台是一个云平台，云上就可以方便各个医院通过开通账号进行接入。通过我们数据对接上传接口，把分析数据进行上传，通过临床数据填写简单操作，最后获得想要的手术方案以及预后预测结果。 由于血管场景跟影像科场景不太一样，影像科一天之内就可以对肺结节场景做两三百个扫描，这种情况下，很多医院都希望把人工智能辅助诊断放到医院内。 主动脉发病率没有那么高，每天手术量也没有那么大，为此我们提供了云平台，方便更多医院使用我们产品。 医院通过数据对接上传接口，把分析数据进行上传，通过临床数据填写简单操作，最后获得想要的手术方案以及预后预测结果。

B型主动脉夹层产品主要包括以下几个要素： 真假腔轴位显示、MPR显示、主动脉做了拉直，拉直以后可以对各个真假腔直径进行测量，以及测量值显示，我们整个软件诊断步骤包括： 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线，提取中心线之后对整个手术方案做预测。刚才提到B型主动脉夹层主要放支架进去，所以手术方案最主要就是确定支架位置，提取真腔中心线为后续手术方案规划做准备。

第二步，夹层分析主要对第一破口进行识别，识别第一破口在B型主动脉夹层治疗方案，手术推荐方案要将第一破口堵住，第一破口堵住后续破口就没有那么重要，所以我们还要做第一破口识别，第一破口位置决定手术过程中支架放在什么位置。 在分割血管、测量、获取第一破口的过程中，我们还定义了一些Key Line，把血管中对手术方案有影响的部位进行标注，通过这些Key Line定位，为之后手术方案做准备，最后对重建图像最大、最小径、容积作出测量。

第三步，采用和301医院合作中的经验，结合第一破口位置、最大最小径位置等因素结合在一起，形成手术方案。

手术方案包括两方面: 一是支架选型，主要选择支架入口大小、出口大小、长度等等。 二是决定支架位置，B型主动脉夹层治疗最核心就是把第一破口堵住，结合第一破口位置把支架放进去。 把手术方案制定完成以后，就可以结合组学分析方法对术后不良反应做预测。B型主动脉夹层不良反应包括胸主动脉扩张、腹主动脉扩张等等。

由于每个患者具体情况不同术后反应也会不一样，情况轻微患者，胸主动脉扩张、腹主动脉扩张概率会比较低，一些患者扩张的概率可能就比较高，影响患者术后随访周期。 例如症状轻微的患者，随访周期比较久，半年或者一年做一次随访，而严重病人随访周期就会比较短，一个月或三个月进行一次随访。预后预测可以针对不同患者给到精准结果，因为我们是利用影像组学分析跑出来的模型，所以针对不同患者会有不同推荐值。 最后一步，把上述所有信息生成结构化报告，包括手术方案推荐、具体支架选型、支架放置位置等方面，还会提供术后预测结果随访，胸主动脉扩张概率随访周期制定。

这个过程中，医生可以用我们软件对看图过程中发现的关键帧影像进行截图，在结构化报告里把这些关键帧放到里面，方便医生以后使用。 我们还做腹主动脉瘤产品。动脉瘤实际并不是肿瘤，本质上是血管因为各种病理性原因造成局部血管膨胀，膨胀后局部血管比正常血管粗很多，外形上像是一个膨大的瘤子，所以叫做动脉瘤。 腹主动脉瘤跟夹层不一样，夹层是因为血管破裂形成真腔和假腔，而腹主动脉瘤成分相对比较复杂，有真实管腔、血栓和钙化等。

腹主动脉瘤在分割血管时，一方面要把血管管腔找出来，另外还要找到血管壁，确定血管最大径位置，把血管上沉着、血栓、钙化等也都找出来。 此外，因为腹主动脉瘤所在位置特殊，处于腹主动脉到髂动脉之间，所以腹主动脉末端会形成两个分支髂动脉，在做血管分割时不仅要对腹主动脉做分割，还要对髂动脉做分割。最后主动脉治疗方式也要放支架，不仅需要在腹主动脉里放支架，还需要在髂动脉里面放支架。 针对腹主动脉瘤的临床特点，提取血管中心线时要根据整体对不同管腔作提取，例如腹主动脉到左髂动脉有一个中心线提取，腹主动脉到右髂动脉也有一个中心线提取。 在测量时，除了对管腔直径做出测量以外，我们也对腹主动脉关键血管位置做了一些定位线。 结合这两个产品，从算法架构上可以看到，整个产品算法是基于深度学习分割和测量对血管壁、真腔假、以及钙化、血栓区域进行分割等。

在分割基础上可以对各条血管、各个部位进行自动化测量，这是医生制定手术方案中最有用的部分，医生可以看到整个血管中，真腔最大径、最小径，以及所在位置等。 对于医生，一方面平台可以提供手术方案，另一方面也可以根据测量结果，结合自己经验制定手术方案。 整个自动分割和测量会节省医生大量时间，对301医院进行了解以后知道以前一个熟练的医生，需要4个多小时才能完成一例病人的测量，而且没有办法对所有影像进行测量。而通过我们人工智能技术，可以自动把这些值都测量出来只需要几分钟，节省医生制定手术方案时所需要的时间。 此外，我们结合301医院经验做了一些手术方案规划，手术方案规划需要做一些关键定位线位置选择，这些都是通过深度学习方法完成。 算法核心评价指标是Dice，也就是分割准确率，可以看到我们整个主动脉分割准确率已经达到95%，对真腔准确率能达到93%以上，假腔分割准确率也能达到91%以上。此外交并比值达到0.0746，说明分割准确率非常理想。

总结起来，我们产品创新主要包括以下几个方面： 使用基于CNN开发，就是基于深度学习CNN神经网络，完善主动脉夹层自动分割方法，同时推广并运用主动脉整体，实现对腹主动脉检测。 之后，我们也会将创新覆盖到更多地方，例如颈动脉、下肢动脉等更多动脉位置，此外还实现主动脉整体、真假腔、分支血管分割。 方法创新上，我们利用影像组学技术辅助B型主动脉夹层术后转归临床预测。

同时，我们也开发针对B型主动脉夹层特异性影像组学新特征，更有效提升预测准确率，更好帮助患者，实现术后随访规划。 另外，基于自动分割算法和第一破口识别算法，实现标准化TEVAR手术自动规划，之前的人工智能产品基本还停留在检测方向。 我们整个软件优势在于，平台首次结合人工智能方法，最后落地到手术自动规划，面向血管外科临床科室，不仅做检测，还能够对如何治疗做出建议和意见。

总结一下，我们产品临床价值是提供精准主动脉分割、便捷三维可视化，以及我们全面解剖参数测量，能够很大程度提高医生进行手术方案规划。 同时帮助基层医生制定更完备手术方案，通过组学预测方式对患者术后健康管理提供帮助。 总之，我们能够提高血管外科临床决策工作效率，血管外科临床决策准确率和提高支架选型成功率，降低二次修复率，同时实现个性化随访方案制定和个人精准诊疗。

最后对公司做一个简单介绍，目前公司产品包括以下四大维度： 一是基于人工智能的DR.Turing人工智能平台，目前已经开发10多个病种； 二是数字智能胶片，帮助患者把影像检查的结果保留在患者手机里，方便患者转诊和随访等； 三是区域影像医联体，为智慧影像建设和上下级医院教学提供基础平台； 四是Radcloud大数据科研平台，是服务于医院科研的一套科研平台，主要使用放射组学技术和深度学习技术帮助医院快速发表科研论文。

原文标题：AI如何成为心血管疾病的「拆弹部队」

文章出处：【微信公众号：IoT科技评论】欢迎添加关注！文章转载请注明出处。

责任编辑：haq