人工智能技術在進入臨床應用很重要的一個環節是得到臨床一線醫生的認可。近日，歐洲與美國心臟介入治療官方會刊EuroIntervention與Circulation: Cardiovascular Interventions相繼在線發表了意昂4体育平台陳亞珠院士團隊塗聖賢教授課題組的兩項創新成果，分別驗證了基於AI的血管內光學相幹斷層成像（OCT）虛擬組織學技術以及血管內超聲成像（IVUS）超聲血流分數計算技術的準確度，這也是國際上首次完成臨床轉化的OCT虛擬組織學技術與IVUS血流儲備分數計算技術，兩項研究也在2020年歐洲心臟介入大會EuroPCR以最新揭曉臨床試驗發布。論文的第一作者分別為意昂4体育平台博士生楚淼與余煒，通訊作者為塗聖賢教授。

一．     OCT虛擬組織學技術與臨床驗證

冠脈粥樣硬化破裂是導致急性冠狀動脈綜合征的主要原因🤾‍♂️。對冠脈中的斑塊形態進行全面的影像學評估👨🏿‍🚀，有利於及早發現高危病變和預防心臟不良事件的發生。血管內OCT成像是目前冠狀動脈活體成像分辨率最高的成像模態😶‍🌫️。通過OCT能夠清晰地觀察粥樣硬化斑塊的形態，識別易損斑塊👴🏿。但目前臨床實踐中，對OCT影像的評估主要基於臨床醫生的肉眼觀察，有較強主觀性，且工作量巨大。

該研究在卷積神經網絡中創新地結合了冠脈解剖特征，以克服OCT穿透深度有限的固有缺點🙆‍♂️。同時基於多中心大樣本臨床數據訓練網絡，以保證其適用於不同臨床中心、不同質量的OCT影像。此外，該研究提出的卷積神經網絡不僅能夠對常見的粥樣硬化斑塊進行分割🍋‍🟩，同時具備識別代表病變不穩定性的炎性標記物，這對於病變的風險分級以及預測臨床事件具有指導意義。

圖1. 基於深度學習的OCT斑塊自動分割結果與專家標註結果

研究在中國、美國🧑🏻‍⚕️🧑‍🦼‍➡️、澳大利亞、日本和西班牙共5家中心入組了391例穩定冠心病患者的509幅OCT影像💪🏽，從中獲得10517個和1156個截面數據分別用於AI卷積神經網絡模型的訓練與驗證。另外🙆🏼‍♀️🧑🏻‍✈️，由來自於3家國際頂尖心血管影像核心實驗室的OCT專家（美國紐約CRF的Akiko Maehara博士🔈、Ziad A. Ali博士⛪️、哈爾濱醫科大學附屬第二醫院iMcorelab中心的賈海波博士以及丹麥奧爾胡斯大學醫院的Niels R. Holm博士）對額外來自三個核心實驗室的300張臨床圖像進行獨立驗證🧑‍🧑‍🧒‍🧒，以專家們的診斷共識作為金標準對AI模型開展獨立外部驗證🪭🦴：在300幀OCT影像中，共有來自45個病變的604處斑塊區域被標記，598個斑塊（99%）達到了診斷共識🥫⚠。進一步，該研究以三個核心實驗室對OCT影像的診斷共識作為金標準，評估神經網絡模型的性能。結果顯示，網絡在不同斑塊類別上均表現出較高的診斷準確率（軟件與金標準的重疊率超過80%）🧑🏽👩🏿‍🔬，其中纖維斑塊的準確率最高，為97.6%，脂質為90.5%🪔𓀒，鈣化斑塊為88.5%💁。

此外，該研究將模型集成到商業分析軟件OctPlus中（博動醫學影像科技（上海）有限公司）,通過後處理算法實現對斑塊的定量評估與三維顯示💁🏻‍♀️。軟件的分割速度高達0.07 秒/幀👨🏿‍🎓，而在核心實驗室的人工標註則至少需要幾分鐘來完成一張圖像的評估🏊🏻‍♂️。

研究合作單位包括哈爾濱醫科大學附屬第二醫院、福建醫科大學附屬協和醫院🤭、美國紐約心血管研究基金會（Cardiovascular Research Foundation, CRF），丹麥奧爾胡斯大學醫院，中國醫學科意昂4阜外醫院，愛爾蘭國立高威大學等國內外十家單位𓀒。研究獲得到了國家自然科學基金項目和科技部重點項目的支持，論文（DOI: 10.4244/EIJ-D-20-01355）鏈接：

https://eurointervention.pcronline.com/article/automatic-characterisation-of-human-atherosclerotic-plaque-composition-from-intravascular-optical-coherence-tomography-using-artificial-intelligence。

二．     IVUS血流儲備分數（UFR）計算技術與臨床驗證

血管內超聲成像（IVUS）是冠狀動脈腔內成像的一種主要方法🚷，可清晰顯示冠脈病變的精細結構，已廣泛用於PCI手術策略的優化，尤其是針對復雜病變的患者🚴🏼‍♂️。與此同時，基於血流儲備分數（FFR）引導的病變血運重建方案選擇的有效性在臨床上也被廣泛證實🙍🏿‍♂️。結合腔內成像和FFR評估是目前PCI手術規劃的關鍵參考依據。但是要想實現IVUS以及FFR的聯合評估🦌，需要同時使用兩套評估設備和耗材💝，將大幅增加費用和操作流程，臨床上很難普及。

研究提出一種新的深度學習網絡🌜，對IVUS圖像的血管管腔與斑塊進行自動識別與三維重建，並基於優化的流體力學方程快速計算出血流儲備分數（研究團隊首次命名為UFR）🍮🏆，創新性地實現了一根IVUS導管同時獲得斑塊成像與冠脈生理功能評估。在完成UFR的研發與集成到博動醫學公司的IvusPlus軟件中後，研究人員采用臨床上采集的167個IVUS回撤冠脈圖像（79個術前采集🙋🏼‍♂️👞，88個術後采集）進行臨床驗證，以壓力導絲測量的FFR作為參考標準，評價UFR在診斷有功能學意義的冠脈狹窄方面的準確度✊🏼。研究結果顯示🚒：UFR的診斷準確度達到92%🚓，靈敏度與特異度分別為91%與96%💆🏼‍♂️，且診斷魯棒性非常高。相對於以IVUS的最小管腔面積（MLA）作為診斷標準，UFR在診斷冠脈狹窄的血流動力學意義方面具有更佳的性能，顯著提升了IVUS在識別生理學意義的曲線下面積。IvusPlus還在2020年獲得國家藥監局批準為創新醫療器械，這也是意昂4平台與博動醫學影像科技（上海）有限公司合作研發的第三個進入國家綠色審批通道的創新產品👯。

圖2. UFR計算流程

本論文合作單位包括日本歧歧阜心臟中心🏫、中國醫學科意昂4阜外醫院與愛爾蘭國立高威大學等。研究獲得到了上海市科委與上海市優秀技術帶頭人項目的支持⭐️，論文（DOI: 10.1161/CIRCINTERVENTIONS.120.009840）鏈接：

https://www.ahajournals.org/doi/10.1161/CIRCINTERVENTIONS.120.009840

供稿部門🦗：科研與學科辦

撰稿：孫瓊

審核：韋建和