<mark id="oztn4"></mark>
0
| 本文作者： 郭瑞嬋 | 2022-12-31 16:11 |
近日，由聯影智能與上海市第一人民醫院合作完成的冠脈CTO AI自動重建研究論文——《Deep Learning Segmentation and Reconstruction for CT of Chronic Total Coronary Occlusion》，在《Radiology》期刊上發表。
《Radiology》是醫學影像領域的頂級期刊，2022年其影響因子達到29.1，研究成果能被《Radiology》收錄，意味著該成果得到了放射學界的高度認可。
參與此次合作研究的上海市第一人民醫院（簡稱“上海市一”）是國內最早成立醫學影像科的醫院之一，于1946年單獨開設了放射科。人工智能+心胸影像是上海市一放射科科研的重點方向，由該院放射科主任張佳胤帶領，關于冠脈CTO AI自動重建的研究就是該院在心血管領域進行的科研項目之一。
心血管向來是醫學影像AI布局的重要領域，但冠脈CTO重建難度大，尚未有成功率較高的AI產品出現。據介紹，此次由聯影智能與上海市一合作研究的算法，對冠脈CTO的自動重建成功率可達95%。
這項研究中使用的算法有何特別之處？如何破解冠脈CTO自動重建的難題？心血管AI領域還有哪些值得投入的研究方向？圍繞這些問題，雷峰網《醫健AI掘金志》與上海市一放射科主任張佳胤進行了一次對話。
上海市第一人民醫院放射科主任張佳胤
冠脈CTO（Chronic Total Occlusion），即冠狀動脈慢性完全閉塞性病變，是冠心病介入治療的最大難題之一。
據《中國心血管健康與疾病報告 2021》，我國冠心病患者已超 1139 萬人，且冠心病患病率、死亡率逐年上升。而在接受有創性冠脈造影（Invasive Coronary Angiography, ICA）的患者中，約 20%-25% 的病例被診斷為冠脈CTO病變。
在臨床中，目前多采用冠脈CT血管成像（冠脈CTA）作為評估冠脈疾病的無創性方法，但對于冠脈CTO的識別和重建，仍需要依賴醫生后續憑經驗手動繪制。
早在2013年～2014年，張佳胤便已經密切關注到了冠脈CTO這一復雜病變，在《Radiology》期刊共發布了3篇與冠脈CTO病變相關的論文，闡釋了冠脈CTO的影像學鑒別診斷、指導治療和評價側枝解剖等問題。
張佳胤介紹，在不使用ICA的情況下，CTO病變在CT成像上時常無法被很好地識別。醫生只能通過后處理工作站，模擬血管的生長，把閉塞段以及閉塞遠端的側支血管手動描繪出來，這之后再進行必要的測量，包括長度、鈣化負荷，以及負性重構等等。
“傳統對冠脈CTO的辨別需要消耗臨床巨大的人力和時間成本。”張佳胤表示，一般情況下，醫生需花費十多分鐘才能完成一例冠脈CTO重建。
基于這一痛點，張佳胤與聯影智能團隊于去年上半年合作開展基于深度學習算法的冠脈CTO AI 自動重建。從立項到投稿，雖僅歷經不到一年半的時間，但實際上這項研究頗有挑戰性。
由于冠脈全閉塞段的顯影微弱或者不佳，在重建過程中很容易造成血管分割、斷裂不全，對算法的要求很高。
為此，研發人員在算法中融入了冠脈與心臟的解剖結構，為冠脈分割提供了上下文信息，同時將冠脈的局部特征和整體特征相結合，保證了冠脈分割尤其是顯影不清晰的 CTO 位置分割的完整性、準確性以及連續性。
最終，雙方團隊對 211 名患者共 240 例 CTO 病變血管進行重建實驗。實驗結果顯示，算法的自動分割和重建成功率為 95%，而傳統工作站成功率僅為48% 。而在后處理時間方面，借助該算法能最多縮短 80% 的重建時長，2至3分鐘即可出結果。
目前，這項研究成果已經投入到上海市一放射科的臨床中使用。張佳胤表示，在實際應用中，發現AI對冠脈 CTO遠端末梢1mm以及1mm以下的細小分支都有著良好的重建效果，幾乎可以自動識別、分割并標注整個閉塞段，還有閉塞遠端的側支血管，“做出來的圖像效果甚至比人手動的要更好。”
張佳胤認為，這項研究后續能夠對臨床冠脈CTO的術前影像精準評價起到很大的推動作用。他希望，未來能夠將這套冠脈重建算法從放射科推廣到心導管室，從而幫助心內科更好地做疾病分析與決策。
張佳胤是一位兼具臨床診斷能力與科研能力的優秀的放射科醫生，他的求學、從業的道路也是一路緊緊跟隨著心血管影像學的發展，希望能夠把自己在臨床經驗進行歸納、總結并轉化為循證醫學證據，用實際行動在心血管影像診斷領域注入自己的力量，從而為更多的病人謀取福音。
2006年，張佳胤從上海交通大學醫學院獲得碩士學位。畢業后，張佳胤在上海交通大學附屬第六人民醫院（簡稱“上海六院”）放射科開啟自己的職業生涯，博士時期師從當時的放射科主任李明華教授。
李明華教授是介入影像科的學科帶頭人，專攻神經影像診斷和神經介入治療技術，是國內腦動脈瘤無創成像和微創介入治療的先驅者。
從業不久后，張佳胤就遇到了醫學界的一個重要技術轉折點。2007年，正值64排CT在國內普及，心血管領域的CT成像技術得到突破，使得CT用于常規冠心病臨床診斷成為可能。
而在64排CT普及以前，受限于檢查設備的限制，雖然冠心病發病率高、危害性大，但用CT診斷冠心病在放射科幾乎是一個無人問津的領域。
張佳胤對心血管方向十分感興趣，他向導師李明華教授申請從事這個方向的研究。盡管這并非李明華教授的專攻領域，面對學生的熱情，他選擇全力支持張佳胤的選擇。
作為較早進入這個方向的學者，張佳胤從業至今見證了心血管領域的崛起。截至目前，他已經在《Radiology》上發表了6篇心血管相關的研究論文。
2017年前后，隨著國內各大醫學影像AI廠商相繼成立，從那時起，關于AI的引入已經成為各大醫院放射科著重考慮的話題。
張佳胤與醫學影像AI的結緣也始于這個階段。在上海六院時，張佳胤從聯影智能的一款肋骨骨折AI產品中感受到了AI所具有的效用，從此對AI持開放、擁抱的態度。
2021年1月，張佳胤加入上海市第一人民醫院，擔任該院放射科主任，他正式主導基于心臟疾病影像診斷和AI新技術研發的國家級項目，與聯影智能展開合作研究。
張佳胤認為，在心血管、頭頸血管、肋骨骨折的檢出等一系列需要醫生手工大量干預的領域，AI都是剛需。
而國內第一張AI醫療三類證，正是落在了心血管領域。到目前為止，在心血管領域，尤其是冠脈方向，已有不少醫學影像AI企業入局。
根據《中國醫學影像人工智能發展報告（2021-2022）》，截至2022年5月31日，在已獲NMPA三類證的產品中，心血管產品的數量僅次于肺結節。
入局者眾多，但在張佳胤看來，心血管AI研發仍有許多需要攻堅的方向。
首先是解剖學方向。此次與聯影智能合作的冠脈CTO AI自動重建研究，已經有效解決完全閉塞性血管的辨別和重建問題，但是對于 AI在冠脈支架、橋血管以及起源異常這類特殊的、復雜的解剖結構的識別上，技術上還存在較大的挑戰性，許多AI產品都無法適用于這類結構。
張佳胤透露，這些更具挑戰性的研究方面，上海市一與聯影智能也已取得了較好的識別和分割結果，不久后將披露最新的研究成果。
其次是功能學成像方向。由于冠脈斑塊非常微小，不易進行自動分割，手動后處理難度大，因此冠脈斑塊成分的自動分析也有待突破；另外冠脈CT血流儲備分數模擬計算（CT-FFR）對功能學的研究也很關鍵，目前上海市一正基于聯影智能的產品進行大樣本的、多中心的臨床驗證。
除了以上提及的關于血管水平的功能評價，還有心肌水平的評價。
張佳胤表示，在臨床中，心肌血流灌注成像流程十分繁瑣，涉及多個步驟，完成一位患者的檢查和成像分析，需要花費20～30分鐘，臨床痛點十分突出。上海市一與聯影智能的合作研究也覆蓋這一環節，目前由雙方研發的CT心肌灌注全自動定量分析軟件已經投入到臨床中，可以一站式自動完成診斷流程。
綜上所述，上海市一與聯影智能從解剖學到功能學等環節上都開展了合作項目，多方位地覆蓋心臟CT影像檢查的難點領域。而這樣全棧全譜的醫療AI，正是未來的發展趨勢。
正如中華醫學會放射學分會主任委員、上海長征醫院放射診斷科主任劉士遠教授在第三屆中國醫學影像AI大會中提到的那樣，AI醫學影像企業應加快建設一縱一橫業務布局，基于臨床場景解決多任務、多維度的問題，并基于部位和器官輸出整體檢查的結果。
從行業整體趨勢來看，醫學影像AI正在往全流程、多任務、多維度方向發展，橫、縱向的布局都會越來越深入。雷峰網(公眾號：雷峰網) 雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
