心讲座｜葛均波院士：人工智能在心血管领域的研究进展、挑战与展望

图2 .陈韵岱教授团队房颤筛查管理研究

此外，欧博官网人工智能也能够通过简单的常规检查发现重要疾病。多项研究显示，通过12导联心电图，经由深度神经网络分析，同样可以发现相关隐匿性疾病的存在，例如主动脉瓣狭窄、LVEF降低或收缩功能障碍、舒张功能障碍、肥厚型心肌病以及贫血。

北京阜外医院郑哲教授团队尝试通过面部9个部位特征预测冠心病的诊断，研究虽证实其具有一定相关性，但若想于临床开展应用，仍需有足够大的数据量，从而实现更为精确的诊断（图3）。

图3. 郑哲教授团队研究设计与研究结果

风险预测

基于影像和临床大数据（定量、定性、组分）预测病变发生事件的可能性同样是未来人工智能应用的方向之一。以超声心动图为例，AI-ENHANCED研究（图4）结果显示人工智能决策支持算法可用于识别中度至重度主动脉瓣狭窄患者以及高危主动脉瓣狭窄患者，且能够筛查出传统定义中可能遗漏的高危患者。

图4. AI-超声心动图助力高危患者早筛

CONFIRM研究（图5）是一项国际多中心观察性注册研究，共入选10,030例疑似冠心病且接受CCTA的患者，结合患者CCTA后25项临床参数及44项CCTA参数，经机器深度学习后建模预测患者5年全因死亡率。该研究结果表明AI模型危险评估优于传统评分和CTA。

图5. CONFIRM研究五年随访结果

除影像组学外，蛋白质组学同样能够成为AI模型预测心血管事件的重要依据。欧洲前瞻性调查（EPIC）-诺福克人口研究（图6）入选了1,524例患者并检测其血中368种蛋白，结合年龄、性别、吸烟史、糖尿病、血压、血脂、BMI等参数，通过机器学习建模预测心血管事件，结果同样表明AI模型优于传统的危险因素预测模型。

图6. 欧洲前瞻性调查（EPIC）-诺福克人口研究设计与结果

在2019年发表于 Euro Heart J 的一项研究从2,654种蛋白中筛选出51种蛋白在CardShock队列中进行分析和验证（图7），欧博最终确定四种蛋白作为最重要的生物标志物并构建新的死亡预测评分系统，而此类新生物标志物的出现，也将进一步提升预测的准确性。

图7. 新生物标志物构建新死亡预测评分系统

诊断

诊断方面，加州大学伯克利分校团队在研究中纳入365,009位患者、992,748张心电图，训练深层神经网络识别5类38种ECG诊断，以多位专家的诊断共识作为参考标准，最终仅有3种诊断的准确性低于心脏病专家。这一结果也证实了心电图的自动分析与解读结果的可靠性。

人工智能在心血管介入中的应用

心血管介入治疗作为心血管领域中的重要环节之一，随着信息化技术的普及，同样涌现了诸多变化，无论是术前、术中或是术后，基于AI的自动分析诊断均为患者个体化、精准化治疗提供了引导。

术前：早筛早诊，提前预警

AI-ECG可基于AI完成全自动分析诊断，包括数据采集、云端上传、远程诊断及远程预测，并通过智能手表等可穿戴设备中的单导心电图实时预测心功能减弱。AI-based CTA-FFR是一项无创的、基于CTA的计算FFR，能够通过功能学与结构学双模态诊断形式提升筛查精度，未来其也将有望成为介入导管室的“看门人”。

术中：精确诊断、手术规划

虚拟增强系统及临床决策管理系统的出现，为手术策略的制定以及诊断的精准性提供了一定保障。以基于AI的影像自动分析诊断为例，CCTA能够自动计算冠状动脉钙化评分，欧博娱乐快速监测预测心血管事件风险；OCT影像则能够自动检测斑块侵蚀程度，且结果与术者人工识别意见一致，为临床提供了快速稳定的个性化治疗策略（图8）；2019年发表在 JACC：Cardiovascular Intervention 上的一项研究也指出，基于IFR回撤曲线，AI算法能够自动判断需处理的病变段，研究纳入了1,008例pull-back curve，对比了人工智能算法与专家分析结果，显示两者一致性高且重复性好（图9）。

图8. OCT影像能够自动检测斑块侵蚀程度

图9. AI算法能够自动判断需处理的病变段

除形态学分析以外，基于影像的计算冠脉生理学技术在临床中同样颇具优势，血管径向壁应变（RWS）是全球首个无耗材、基于一个体位冠脉造影评估稳定性的创新技术，患者仅需行冠脉造影检查，无需任何耗材、无额外创伤与副作用，流程快速，且能够大幅减轻患者经济负担，术者也可根据收缩过程中的应变情况完善斑块稳定性的评估。现有研究提示，RWS＞12%是预测轻度、重度狭窄病变发生AMI风险的独立预测因素，因此可考虑将这一阈值作为临床评估的重要参考依据（图10）。

图10. 基于造影的斑块稳定性评估RWS

斑块光衰指数（IPA）技术是通过分析OCT光谱数据中所有的光学衰减情况，逐帧计算斑块光衰指数，欧博allbet实现斑块稳定性的定性与定量计算，且其检查结果不依赖于术者OCT读图经验，结果可重复。也正是在AI的全面优化之下，基于海量数据进行深度学习，使IPA计算可在数秒内完成，且算法精度不断提升（图11）。

图11. AI+IPA评估斑块稳定性

此前，葛均波院士团队成功完成了全国首例QFR/RWS+OCT/IPA术中指导PCI病例。

患者为46岁男性，曾于外院行冠脉CTA检查提示LAD近端非钙化斑块伴管腔重度狭窄。术前行冠脉造影提示左主干未见狭窄，LAD中段狭窄80%，近端及远端未见狭窄，第二对角支开口狭窄60%，RCA中段狭窄60%。为明确患者是否需要行介入治疗，测量QFR 0.78、RWS 18.5%，提示斑块稳定性差，OCT显示多处脂质斑块形成，最小管腔面积1.38 mm2，斑块光衰指数IPA 108，提示脂质含量较高。综合考虑后选择球囊扩张后于病变处植入一枚3*28 mm XINSORB可降解支架，并行球囊后扩。术后造影显示支架扩张满意，测量QFR 0.94，TIMI血流3级，OCT复查显示支架贴壁良好。本次手术的顺利完成也充分体现了AI优化下的基于影像的计算冠脉生理学技术在心血管介入治疗中的优势。

术后：智能化康复管理

术后康复涵盖康复随访与健康管理两大版块（图12）。在人工智能辅助下，患者将能够上传相关数据至云端，而医生也能够根据云端的健康报告为其制定个性化康复策略。而在健康管理方面，人工智能将能起到更多作用：第一，AI数据采集自动上传，患者接收康复报告，实现智能沟通；第二，接收智能化分析报告，制定个性化检查、用药方案等；第三，电子健康记录及数据管理，智能分析，拟定康复方案。综合而言，未来人工智能将能够从不同方面实现术后智能化康复管理。

图12.术后智能化康复管理

人工智能在心血管领域的挑战

虽然诸多研究均对AI在医学领域的应用予以了肯定，然而现实世界中AI的应用却出现了“水土不服”的症状。2018年有报道显示，谷歌AI在实验中优于眼科医生，然而2020年其在现实的应用中却意外受挫，其原因在于谷歌AI识别视网膜病变的模型在训练时就排除了低质量的数据，因此现实世界中低质量的数据不被识别，从而导致逾1/5的照片被数据模型拒绝、总体准确率降低。

除此之外，医疗领域AI研发还面临着诸多挑战：

网络、通讯、专业数据库等信息化建设基础不足；

医疗数据大而混乱，缺乏统一的治理、标注和验证标准；

训练数据偏倚导致模型的“偏见”，比如对某些亚组人群的预测准确率过低；

医疗行业壁垒高，十分缺乏既懂医疗又擅长AI的交叉人才；

工程师“闭门造车”，解决了技术问题，但未从解决临床问题出发；

研发的AI游离于诊疗流程之外，未与医学思维和路径充分整合。

网络、通讯、专业数据库等信息化建设基础不足；

医疗数据大而混乱，缺乏统一的治理、标注和验证标准；

训练数据偏倚导致模型的“偏见”，比如对某些亚组人群的预测准确率过低；

医疗行业壁垒高，十分缺乏既懂医疗又擅长AI的交叉人才；

工程师“闭门造车”，解决了技术问题，但未从解决临床问题出发；

研发的AI游离于诊疗流程之外，未与医学思维和路径充分整合。

人工智能在心血管领域的展望

未来已来，“人机合一”模式势必将是人工智能在心血管领域的下一步发展趋势：通过嵌入EMR系统，将信息整合于记录病历和下达医嘱的诊疗流程中，并实时抓取自动计算、完成算法推荐，在这一模式下医生更多的将承担一个审核者的角色。

但就目前我们能够做到的而言，可以充分利用模型对数据敏感性和特异性的不同，结合诊疗流程的特点，研发解决临床实际问题的AI系统（图13），实现影像自动分析AI初筛，提高工作效率。

图13. 影像自动分析AI初筛提高效率

而在术前、术中及术后的各项环节中，也期望AI也能够融入不同临床场景，实现疾病预防、影像学精准筛查（CTA、超声心动图）、冠脉生理学诊断（QFR、UFR、OFR）、智能手术规划、手术机器人、随访数据管理及个体化患者教育等不同阶段的目标（图14）。

图14. AI在不同临床场景的应用

总而言之，未来心血管领域诊疗模式将借助心血管大数据云平台（图15），整合可穿戴设备、多模态影像、电子病历及生物标志物或多组学信息，并通过康复随访辅助系统、临床决策辅助系统以及介入影像自动分析及决策系统，帮助患者精准且个性化制定下一阶段的康复或诊疗策略；此外，大数据云平台也可为相关临床研究提供基础信息，助力大型研究的开展。

图15. 未来心血管领域诊疗模式

总结

AI将提高我们对于疾病的认知并改变医疗模式，因此对于未来医学人才培养要求或也将有所改变。然而目前人工智能在医学领域中的应用尚处于起步阶段，其在执行某一特定任务时虽可达到“专家”水平，但并非全面的智能，因此可以预测未来医生+AI辅助的诊疗模式将超越传统的决策模式。AI主要优势在于疾病的筛查与诊断，未来若能实现嵌入诊疗流程，替代部分医生工作，将能够使医生从重复劳动中解放出来，使其能有更多的时间思考疑难病例、研究与创新，或是将时间更多的留给患者，实现人文关怀与沟通交流。

搜索

热门标签:

心讲座｜葛均波院士：人工智能在心血管领域的研究进展、挑战与展望