日本东北大学的助教安西眸等人开发了一种技术,该技术是利用AI的深度学习(Deep learning,人工智能的一种),可以从血管的计算机断层扫描(CT)图像中快速预测心脏周围冠状动脉内的流速和压力。目前很多心脏病都是由于冠状动脉的异常引起的。通过该技术的应用开发,将更容易选择治疗方法并制定实施计划。
在进行冠状动脉搭桥手术前,必须找到搭桥的最佳位置(照片为国立循环器病研究中心提供)
在日本,心脏病是主要死亡的原因之一,仅次于癌症。 因心绞痛和心肌梗的死亡约占死亡人数的30%。这些都是由于将养分输送到心脏的冠状动脉变狭窄,从而导致血液无法到达末端。通常被认为是由于生活方式的问题等导致胆固醇在血管中堆积所致。
冠状动脉的异常可以通过手术治疗,在堵塞的部位周围建立一个旁路(Bypass)。为了找到最佳的分流位置,需要在血管中插入一根导管来测量血流速度和压力。然而,由于存在感染的风险,也有不使用导管的方法。
其中之一就是“CFD分析”方法,通过CT读取血管的形状,在计算机上估算流速等参数。由于精准度高,在2018年,作为医疗创业公司的HeartFlow Japan G.K.(位于东京都港区)的技术被纳入保险范围。唯一需要挑战的课题是:高精度计算,需要计算机运行几个小时,处理完所有的程序后才能得出结果。
此次,安西助教等人利用可以深度学习的AI预测流速和其他参数,而无需进行CFD分析。他们使用约100人的冠状动脉和主动脉的CT图像,通过稍微修改血管的形状,创建了约1000人份的数据。将这些数据通过“CFD分析”来估算流速等参数,并对AI进行训练。
通过学习之后,只根据另一条血管的形状来预测流速和压力时,仅用了约1秒钟就得出了结果。而且其结果与“CFD分析”结果的差异小于10%,针对冠状动脉的差异小于5%。 安西助教说:“它也可能与导管测量有关”。并且还能够很准确地预测到旁路建立后的血管。
安西助教等人期待通过这项技术能够更加灵活地规划治疗方案。当医生们在考虑方案时,如果能在电脑上立即对旁路模式进行测试,将更容易找到最佳的流动路径。
将来,该技术还可应用于检查手术中的血流恢复的情况。如果发现在建立旁路后的血流异常仍然没有完全恢复,也可以继续手术,从而可以提高治疗效果。
研究团队正在考虑今后能否将预测技术应用到其他器官上。除了心脏以外,还在研究疾病与大脑、腿部等部位血流异常的关系。
日文:尾崎 达也、《日经产业新闻》、2021年3月8日
中文:JST客观日本编辑部