1929年夏天的某一日，當(dāng)?shù)聡?guó)福斯曼醫(yī)生將一根橡膠輸尿管導(dǎo)管盲插進(jìn)自己身體的血管中，或許不曾想到在未來(lái)一百年中，除了在診斷中的應(yīng)用外，心導(dǎo)管術(shù)將被廣泛用于心臟、血管的治療，每年惠及的患者數(shù)以千萬(wàn)計(jì)。

從假說(shuō)形成，到動(dòng)物實(shí)驗(yàn)，再到人體試驗(yàn)，在過(guò)去二十年，TAVR技術(shù)的發(fā)展經(jīng)歷了漫長(zhǎng)的過(guò)程。隨著2002年Alain Cribier教授成功開(kāi)展人類第一臺(tái)經(jīng)導(dǎo)管主動(dòng)脈瓣置換術(shù)（transcatheter aortic valve replacement，TAVR），這一技術(shù)最終成為一種可以顯著改善生活質(zhì)量的成熟治療方式。

CT檢查是TAVR術(shù)前必不可少的醫(yī)學(xué)影像診療技術(shù)，2022年的“經(jīng)導(dǎo)管主動(dòng)脈瓣置換術(shù)（TAVR）流程優(yōu)化專家共識(shí)”也明確指出該術(shù)前影像學(xué)評(píng)估的重要性。TAVR術(shù)前CT評(píng)估對(duì)于篩選解剖適應(yīng)證、制定術(shù)中策略，預(yù)判并規(guī)避風(fēng)險(xiǎn)、保障患者安全起到了至關(guān)重要的作用[1]。其新型檢查和診斷的手段，可以讓術(shù)者在對(duì)照二維影像進(jìn)行手術(shù)操作之前充分了解患者的三維解剖結(jié)構(gòu)。對(duì)于瓣環(huán)解剖特點(diǎn)、冠脈高度、心室及血管解剖，甚至毗鄰結(jié)構(gòu)的識(shí)別，都可以幫助術(shù)者在術(shù)前選擇瓣膜型號(hào)大小、制定釋放策略、術(shù)中并發(fā)癥風(fēng)險(xiǎn)識(shí)別，甚至判斷預(yù)后方面提供必要信息，最終使得手術(shù)的操作更加安全高效[2]。

人工智能（Artificial Intelligence, AI）是計(jì)算機(jī)科學(xué)的一個(gè)領(lǐng)域?；谌斯ぶ悄艿乃惴軌蛞愿?、更精確的方式執(zhí)行傳統(tǒng)上由人類執(zhí)行的標(biāo)測(cè)任務(wù)，并以更多維度、更清晰直觀的方式進(jìn)行呈現(xiàn)。

通過(guò)AI驅(qū)動(dòng)的算法對(duì)解剖結(jié)構(gòu)進(jìn)行全自動(dòng)分割重建、標(biāo)測(cè)量化，能夠在數(shù)秒內(nèi)完成TAVR手術(shù)標(biāo)測(cè)主動(dòng)脈瓣環(huán)及其他關(guān)鍵解剖結(jié)構(gòu)等任務(wù)，同時(shí)可以保證測(cè)量精度的高度一致性和穩(wěn)定性[3]。

AI還可以最大限度減少因測(cè)量者經(jīng)驗(yàn)導(dǎo)致的測(cè)量值偏倚和手術(shù)并發(fā)癥風(fēng)險(xiǎn)預(yù)測(cè)因素誤判，同時(shí)幫助術(shù)者在預(yù)測(cè)TAVR手術(shù)預(yù)后效果中扮演重要角色[4]。需要強(qiáng)調(diào)，AI對(duì)此類手術(shù)規(guī)劃方案的制定和完善可以促進(jìn)臨床實(shí)踐中更廣泛地開(kāi)展手術(shù)，這對(duì)于早期開(kāi)展、實(shí)施頻率較低或者操作人員經(jīng)驗(yàn)不足的醫(yī)學(xué)中心尤其重要。

建立以患者為中心、安全高效的術(shù)前評(píng)估的前提，是將不良事件高風(fēng)險(xiǎn)患者與風(fēng)險(xiǎn)較低的患者準(zhǔn)確識(shí)別并加以更為詳盡的分析，前者將成為更嚴(yán)格、更耗時(shí)、更耗費(fèi)資源的后續(xù)監(jiān)測(cè)目標(biāo)。在預(yù)測(cè)TAVR、先天性心臟病、冠狀動(dòng)脈疾病和心力衰竭患者的預(yù)后方面，AI已被證明優(yōu)于經(jīng)典的統(tǒng)計(jì)方法[5-8]。同時(shí)，因?yàn)锳I的高效計(jì)算能夠同時(shí)整合眾多預(yù)測(cè)因子，從而成為預(yù)測(cè)大量變量及其相互作用因子的工具，“意外”的發(fā)現(xiàn)變量和潛在的新預(yù)測(cè)因子，可能會(huì)超出我們既有對(duì)于臨床治療決策的范疇。隨著TAVR適應(yīng)證的擴(kuò)大，AI可以更好地支持臨床醫(yī)生評(píng)估TAVR預(yù)后，這對(duì)于協(xié)助篩選患者并準(zhǔn)確了解患者手術(shù)結(jié)果均至關(guān)重要[9-10]。

五大技術(shù)突破，Tavigator™開(kāi)啟智慧醫(yī)療TAVR新型臨床診療路徑

在剛剛結(jié)束的第六屆中國(guó)結(jié)構(gòu)性心臟病周(中國(guó)結(jié)構(gòu)周2022)上，中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院（國(guó)家心血管病中心）吳永健教授率領(lǐng)影像分析科研團(tuán)隊(duì)歷經(jīng)5年潛心研究，先后實(shí)現(xiàn)了主動(dòng)脈根部結(jié)構(gòu)多目標(biāo)小尺度像素級(jí)影像數(shù)據(jù)標(biāo)注與解剖結(jié)構(gòu)數(shù)據(jù)標(biāo)測(cè)、主動(dòng)脈根部結(jié)構(gòu)三維卷積神經(jīng)網(wǎng)絡(luò)高精度自動(dòng)分割算法研究、全自動(dòng)高精度主動(dòng)脈根部目標(biāo)定位及測(cè)量算法開(kāi)發(fā)、智能化多平面測(cè)量算法研究、智能化TAVR手術(shù)風(fēng)險(xiǎn)預(yù)測(cè)算法研究等五大技術(shù)突破。

吳永健教授團(tuán)隊(duì)與拓微摹心數(shù)據(jù)科技(南京)有限公司合作完成了中國(guó)原創(chuàng)經(jīng)導(dǎo)管結(jié)構(gòu)性心臟病診療術(shù)前輔助決策平臺(tái)Tavigator™的算法研究、工程開(kāi)發(fā)、云服務(wù)部署。通過(guò)AI技術(shù)助力我國(guó)TAVR的發(fā)展，為現(xiàn)代化智慧醫(yī)療特色的TAVR新型臨床診療開(kāi)辟新路徑。

基于Tavigator™系統(tǒng)，醫(yī)生只需上傳主動(dòng)脈根部CT影像，無(wú)需手工干預(yù)即可完整實(shí)現(xiàn)主動(dòng)脈根部解剖結(jié)構(gòu)全自動(dòng)分割與三維重建、瓣葉分型、瓣環(huán)及各平面定位測(cè)量、冠脈開(kāi)口高度自動(dòng)定位測(cè)量、瓣環(huán)角度分析、最佳投照角度計(jì)算、鈣化定量分析、左心室容積分析、解剖結(jié)構(gòu)風(fēng)險(xiǎn)提示、瓣膜自動(dòng)匹配選型建議、動(dòng)態(tài)結(jié)構(gòu)化報(bào)告生成。完成TAVR主動(dòng)脈根部全流程精細(xì)分析時(shí)間僅需一分鐘，速度遠(yuǎn)快于臨床醫(yī)生目前行主動(dòng)脈根部影像分析需要的幾十分鐘。在高性能并行計(jì)算系統(tǒng)的加持下，更大程度地提升了影像分析效率，極具科研價(jià)值和臨床意義。

二維CT影像與三維主動(dòng)脈根部模型融合展示

在中國(guó)結(jié)構(gòu)周上同時(shí)發(fā)布了吳永健教授率領(lǐng)團(tuán)隊(duì)開(kāi)展的回顧性數(shù)據(jù)初步分析研究結(jié)果。納入阜外醫(yī)院已完成TAVR手術(shù)患者術(shù)前CT影像數(shù)據(jù)219例，數(shù)據(jù)涵蓋多種瓣葉分型（TAV、Type-0 BAV、Type-1 BAV、 Type-2 BAV、FBAV）。人工智能系統(tǒng)與影像核心實(shí)驗(yàn)室低年資醫(yī)生對(duì)入組影像序列進(jìn)行分析，以影像核心實(shí)驗(yàn)室高年資醫(yī)生的術(shù)前測(cè)量評(píng)估報(bào)告為金標(biāo)準(zhǔn)，將瓣環(huán)平面周長(zhǎng)導(dǎo)出徑、面積導(dǎo)出徑作為主要指標(biāo)進(jìn)行對(duì)比分析，從而驗(yàn)證人機(jī)一致性。在此基礎(chǔ)上，進(jìn)一步對(duì)不同瓣葉分型、不同鈣化程度的病例進(jìn)行亞組分析，比較瓣葉分型、鈣化體積對(duì)人工智能測(cè)量評(píng)估結(jié)果的影響。同時(shí)，對(duì)臨床醫(yī)生手工測(cè)量和人工智能系統(tǒng)就主動(dòng)脈瓣環(huán)定位測(cè)量所需耗時(shí)進(jìn)行對(duì)比分析。

分析統(tǒng)計(jì)結(jié)果顯示，人工智能系統(tǒng)在核心測(cè)量指標(biāo)精度上，都表現(xiàn)出與影像核心實(shí)驗(yàn)室高年資醫(yī)生極高的相關(guān)性，且優(yōu)于低年資核心實(shí)驗(yàn)室醫(yī)生的測(cè)量結(jié)果；人工智能系統(tǒng)可進(jìn)行準(zhǔn)確的瓣葉分型，且不同分型瓣葉術(shù)前影像在核心測(cè)量結(jié)果上，均表現(xiàn)出與影像核心實(shí)驗(yàn)室高年資醫(yī)生極高的相關(guān)性和穩(wěn)定性；同時(shí)，人工智能系統(tǒng)也表現(xiàn)出極強(qiáng)的魯棒性和良好的數(shù)據(jù)泛化能力；此外，人工智能在確保分析精度的同時(shí)，分析效率顯著高于手動(dòng)分析。

高年資醫(yī)生定位測(cè)量瓣環(huán)的結(jié)果（左）人工智能定位測(cè)量瓣環(huán)的結(jié)果（右）

人機(jī)一致性對(duì)照測(cè)試研究—基于219例TAVR手術(shù)病患術(shù)前CT影像樣本

周長(zhǎng)導(dǎo)出徑研究結(jié)果：人工智能測(cè)量 優(yōu)于 低年資醫(yī)生 

(周長(zhǎng)導(dǎo)出徑r: 0.9741>0.9373)

面積導(dǎo)出徑研究結(jié)果：人工智能測(cè)量 優(yōu)于 低年資醫(yī)生 

(面積導(dǎo)出徑r: 0.9320>0.7506)

人工智能系統(tǒng)在不同瓣葉分型的病例上均表現(xiàn)出與高年資醫(yī)生測(cè)量結(jié)果極高的相關(guān)性和穩(wěn)定性

人工智能系統(tǒng)在分析高鈣化病例中表現(xiàn)出與高年資醫(yī)生較高的相關(guān)性和穩(wěn)定性

中國(guó)結(jié)構(gòu)周期間，研究者應(yīng)用Tavigator™系統(tǒng)對(duì)一例外科手術(shù)中危的主動(dòng)脈瓣功能性二葉瓣畸形患者進(jìn)行了TAVR術(shù)前評(píng)估對(duì)比分析。Tavigator™系統(tǒng)僅用時(shí)1分鐘即完成了病例主動(dòng)脈根部測(cè)量評(píng)估，而采用傳統(tǒng)專業(yè)工具軟件影像核心實(shí)驗(yàn)室醫(yī)生需要鼠標(biāo)點(diǎn)擊約1500次，鍵盤敲擊700余次，鼠標(biāo)移動(dòng)距離累計(jì)100余米，總耗時(shí)接近40分鐘。以瓣膜選型最重要的依據(jù)瓣環(huán)周長(zhǎng)圓化導(dǎo)出直徑為例，AI測(cè)量的結(jié)果20.98mm，與專家測(cè)量的20.8mm只存在細(xì)微差別。通過(guò)AI對(duì)主動(dòng)脈根部解剖結(jié)構(gòu)的測(cè)量分析，結(jié)合CT原始影像、術(shù)者經(jīng)驗(yàn)建立數(shù)據(jù)集，進(jìn)行人工智能模型訓(xùn)練，可以實(shí)現(xiàn)近乎接近經(jīng)驗(yàn)豐富術(shù)者的風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果。該病例不僅體現(xiàn)了Tavigator™數(shù)據(jù)測(cè)量在臨床運(yùn)用中的可靠性，同時(shí)在基于解剖結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)的想象空間也得以充分體現(xiàn)。對(duì)于很多正在開(kāi)展或者即將開(kāi)展TAVR手術(shù)的中心來(lái)說(shuō)，不僅可以節(jié)約大量的臨床醫(yī)生工作時(shí)間，同時(shí)對(duì)于提升TAVR手術(shù)認(rèn)知、判別解剖結(jié)構(gòu)中所蘊(yùn)藏的潛在風(fēng)險(xiǎn)、規(guī)劃手術(shù)、改善手術(shù)預(yù)后也意義巨大。

專家說(shuō)

AI在TAVR中應(yīng)用目的是簡(jiǎn)化工作流程提高分析效率、提升分析精度和一致性、以更多樣更豐富的視角呈現(xiàn)CT影像背后的數(shù)據(jù)世界，它為臨床工作者創(chuàng)造更多的時(shí)間用于人類更擅長(zhǎng)、更有意義和價(jià)值的任務(wù)。將AI穩(wěn)步納入臨床決策支持系統(tǒng)，意味著首先需要建立并充分驗(yàn)證算法的健壯性，同時(shí)需要對(duì)新型AI算法的驗(yàn)證進(jìn)行具體規(guī)定以及標(biāo)準(zhǔn)化。還需要對(duì)所有臨床工作者進(jìn)行持續(xù)培訓(xùn)、教育和宣傳，以克服疑慮和猜疑，以便醫(yī)療服務(wù)提供者可以實(shí)時(shí)使用這些算法，而不會(huì)對(duì)日常工作造成繁瑣的改變。同時(shí)證明AI算法相對(duì)于“傳統(tǒng)”臨床實(shí)踐的優(yōu)勢(shì)和成本效益的研究刻不容緩。Tavigator™的出現(xiàn)未來(lái)必將助力我國(guó)TAVR技術(shù)大發(fā)展、TAVR臨床大進(jìn)步、TAVR產(chǎn)業(yè)大升級(jí)、TAVR患者大獲益。

中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院吳永健教授：隨著全球新一輪科技革命和產(chǎn)業(yè)變革孕育興起，AI數(shù)字技術(shù)加速演進(jìn)，已成為驅(qū)動(dòng)新一輪科技革命和產(chǎn)業(yè)變革的重要力量。作為人工智能賦能結(jié)構(gòu)性心臟病臨床診療的本土化創(chuàng)新的重要嘗試，Tavigator™未來(lái)還有很長(zhǎng)的路要走。在優(yōu)化精度、完善功能、提升性能的同時(shí)，更要著力基于此技術(shù)開(kāi)展大規(guī)模前瞻性隊(duì)列研究以驗(yàn)證模型信度及效度，并基于此逐步演進(jìn)形成具有現(xiàn)代化智慧醫(yī)療特色的TAVR新型臨床診療路徑，在臨床經(jīng)驗(yàn)、大數(shù)據(jù)、人工智能和高性能計(jì)算的“四輪驅(qū)動(dòng)”下，最終實(shí)現(xiàn)臨床、科技、產(chǎn)業(yè)的全面融合。未來(lái)不僅在TAVR， 在二尖瓣、三尖瓣，以及其他結(jié)構(gòu)性心臟病中，將建立自己的手術(shù)規(guī)劃標(biāo)準(zhǔn)，并且最終向全球輸出中國(guó)經(jīng)驗(yàn)。

四川大學(xué)華西醫(yī)院郭應(yīng)強(qiáng)教授：近年來(lái)，得益于深度學(xué)習(xí)等算法的突破、算力的不斷提升以及海量數(shù)據(jù)的持續(xù)積累，人工智能真正大范圍地從實(shí)驗(yàn)室研究走向產(chǎn)業(yè)和臨床實(shí)踐。AI對(duì)心血管研究和實(shí)踐產(chǎn)生了重大影響。在結(jié)構(gòu)性心臟病領(lǐng)域，對(duì)心臟解剖結(jié)構(gòu)的掌握一直是外科醫(yī)生包括目前介入醫(yī)生最重要的工作。Tavigator™代表了新技術(shù)在醫(yī)學(xué)領(lǐng)域應(yīng)用的方向，為醫(yī)療大數(shù)據(jù)的處理和挖掘提供了新的可能，讓熟練醫(yī)生判斷更準(zhǔn)，讓初學(xué)醫(yī)生學(xué)習(xí)更快，助力TAVR技術(shù)在世界的推廣和普及。

空軍軍醫(yī)大學(xué)西京醫(yī)院楊劍教授：AI技術(shù)能夠從大量的臨床數(shù)據(jù)中解讀出極為復(fù)雜的內(nèi)在規(guī)律，在醫(yī)療行業(yè)應(yīng)用前景廣闊。結(jié)構(gòu)性心臟病領(lǐng)域涉及大量臨床數(shù)據(jù)參數(shù)，3D結(jié)構(gòu)可視化未達(dá)標(biāo)準(zhǔn)，4D生理機(jī)能在不同年齡、性別、種族的患者間存在顯著差異。而AI技術(shù)可以有效解決上述問(wèn)題，在提高患者醫(yī)療服務(wù)質(zhì)量的同時(shí)降低醫(yī)療費(fèi)用。AI模擬、超現(xiàn)實(shí)主義在醫(yī)療器械培訓(xùn)中的應(yīng)用、個(gè)體化解剖模型打印都將促進(jìn)精準(zhǔn)醫(yī)療的發(fā)展，并可能成為未來(lái)新技術(shù)蓬勃發(fā)展的基礎(chǔ)。

德意志心臟中心Ruediger Lange教授：很高興看到來(lái)自中國(guó)的人工智能技術(shù)與臨床應(yīng)用的完美結(jié)合。到目前為止，大多數(shù)相關(guān)證據(jù)來(lái)自缺乏不同人群驗(yàn)證的單中心研究，算法再現(xiàn)性的問(wèn)題應(yīng)該引起重視。非常期待TavigatorTM在德國(guó)包括全世界應(yīng)用的那一天。

*參考資料

1. 經(jīng)導(dǎo)管主動(dòng)脈瓣置換術(shù)流程優(yōu)化共識(shí)專家組. 經(jīng)導(dǎo)管主動(dòng)脈瓣置換術(shù)（TAVR）流程優(yōu)化專家共識(shí)2022版[J].中華急診醫(yī)學(xué)雜志, 2022,31(2).DOI: 10.3760/cma.j.issn.1671-0282.2022.02.004.

2. 郭帥,張斌,吳永健.經(jīng)導(dǎo)管主動(dòng)脈瓣置換術(shù)的最新進(jìn)展[J].中國(guó)醫(yī)刊.2020,(1).DOI:10.3969/j.issn.1008-1070.2020.01.002.

3. Astudillo P , Mortier P , Bosmans J , De Backer O , de Jaegere P , Iannaccone F , et al. Automatic detection of the aortic annular plane and coronary Ostia from multidetector computed tomography. Interv Cardiol 2020;2020:9843275.

4. El Faquir N , De Backer O , Bosmans J , Rudolph T , Buzzatti N , Bieliauskas G , et al. Patient-specific computer simulation in TAVR with the self-expanding Evolut R valve. JACC Cardiovasc Interv 2020;13(15):1803–12.

5. Hernandez-Suarez DF , Kim Y , Villablanca P , Gupta T , Wiley J , Nieves-Ro- driguez BG , et al. Machine learning prediction models for in-hospital mor- tality after transcatheter aortic valve replacement. JACC Cardiovasc Interv 2019;12(14):1328–38.

6. Diller GP , Kempny A , Babu-Narayan SV , Henrichs M , Brida M , Uebing A , et al. Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single centre including 10 019 patients. Eur Heart J 2019;40(13):1069–77.

7. Zack CJ , Senecal C , Kinar Y , Metzger Y , Bar-Sinai Y , Widmer RJ , et al. Leveraging machine learning techniques to forecast patient prognosis after percutaneous coronary intervention. JACC Cardiovasc Interv 2019;12(14):1304–11.

8. Angraal S , Mortazavi BJ , Gupta A , Khera R , Ahmad T , Desai NR , et al. Machine learning prediction of mortality and hospitalization in heart failure with pre- served ejection fraction. JACC Heart Fail 2019 pii: S2213-1779(19)30541-4.

9. Lopes, R.R.; van Mourik, M.S.; Schaft, E.V.; Ramos, L.A.; Baan, J.; Vendrik, J.; et al. Value of machine learning in predicting TAVI outcomes. Neth. Heart J. 2019, 27, 443–450.

10. Penso M, Pepi M, Fusini L, Muratori M, Cefalù C, Mantegazza V, et al. Predicting Long-Term Mortality in TAVI Patients Using Machine Learning Techniques. J Cardiovasc Dev Dis. 2021 Apr 16;8(4):44. doi: 10.3390/jcdd8040044. PMID: 33923465; PMCID: PMC8072967.

*封面圖片來(lái)源：123rf