生物医学工程学院两项人工智能技术临床验证结果发表在国际心脏介入知名临床期刊
发布时间:2021-02-09 21:58:00

人工智能技术在进入临床应用很重要的一个环节是得到临床一线医生的认可。近日,欧洲与美国心脏介入治疗官方会刊EuroIntervention与Circulation: Cardiovascular Interventions相继在线发表了我院陈亚珠院士团队涂圣贤教授课题组的两项创新成果,分别验证了基于AI的血管内光学相干断层成像(OCT)虚拟组织学技术以及血管内超声成像(IVUS)超声血流分数计算技术的准确度,这也是国际上首次完成临床转化的OCT虚拟组织学技术与IVUS血流储备分数计算技术,两项研究也在2020年欧洲心脏介入大会EuroPCR以最新揭晓临床试验发布。论文的第一作者分别为我院博士生楚淼与余炜,通讯作者为涂圣贤教授。

一.     OCT虚拟组织学技术与临床验证

冠脉粥样硬化破裂是导致急性冠状动脉综合征的主要原因。对冠脉中的斑块形态进行全面的影像学评估,有利于及早发现高危病变和预防心脏不良事件的发生。血管内OCT成像是目前冠状动脉活体成像分辨率最高的成像模态。通过OCT能够清晰地观察粥样硬化斑块的形态,识别易损斑块。但目前临床实践中,对OCT影像的评估主要基于临床医生的肉眼观察,有较强主观性,且工作量巨大。

该研究在卷积神经网络中创新地结合了冠脉解剖特征,以克服OCT穿透深度有限的固有缺点。同时基于多中心大样本临床数据训练网络,以保证其适用于不同临床中心、不同质量的OCT影像。此外,该研究提出的卷积神经网络不仅能够对常见的粥样硬化斑块进行分割,同时具备识别代表病变不稳定性的炎性标记物,这对于病变的风险分级以及预测临床事件具有指导意义。

图1. 基于深度学习的OCT斑块自动分割结果与专家标注结果

研究在中国、美国、澳大利亚、日本和西班牙共5家中心入组了391例稳定冠心病患者的509幅OCT影像,从中获得10517个和1156个截面数据分别用于AI卷积神经网络模型的训练与验证。另外,由来自于3家国际顶尖心血管影像核心实验室的OCT专家(美国纽约CRF的Akiko Maehara博士、Ziad A. Ali博士、哈尔滨医科大学附属第二医院iMcorelab中心的贾海波博士以及丹麦奥尔胡斯大学医院的Niels R. Holm博士)对额外来自三个核心实验室的300张临床图像进行独立验证,以专家们的诊断共识作为金标准对AI模型开展独立外部验证:在300帧OCT影像中,共有来自45个病变的604处斑块区域被标记,598个斑块(99%)达到了诊断共识。进一步,该研究以三个核心实验室对OCT影像的诊断共识作为金标准,评估神经网络模型的性能。结果显示,网络在不同斑块类别上均表现出较高的诊断准确率(软件与金标准的重叠率超过80%),其中纤维斑块的准确率最高,为97.6%,脂质为90.5%,钙化斑块为88.5%。

此外,该研究将模型集成到商业分析软件OctPlus中(博动医学影像科技(上海)有限公司),通过后处理算法实现对斑块的定量评估与三维显示。软件的分割速度高达0.07 秒/帧,而在核心实验室的人工标注则至少需要几分钟来完成一张图像的评估。

研究合作单位包括哈尔滨医科大学附属第二医院、福建医科大学附属协和医院、美国纽约心血管研究基金会(Cardiovascular Research Foundation, CRF),丹麦奥尔胡斯大学医院,中国医学科学院阜外医院,爱尔兰国立高威大学等国内外十家单位。研究获得到了国家自然科学基金项目和科技部重点项目的支持,论文(DOI: 10.4244/EIJ-D-20-01355)链接:

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

二.     IVUS血流储备分数(UFR)计算技术与临床验证

血管内超声成像(IVUS)是冠状动脉腔内成像的一种主要方法,可清晰显示冠脉病变的精细结构,已广泛用于PCI手术策略的优化,尤其是针对复杂病变的患者。与此同时,基于血流储备分数(FFR)引导的病变血运重建方案选择的有效性在临床上也被广泛证实。结合腔内成像和FFR评估是目前PCI手术规划的关键参考依据。但是要想实现IVUS以及FFR的联合评估,需要同时使用两套评估设备和耗材,将大幅增加费用和操作流程,临床上很难普及。

研究提出一种新的深度学习网络,对IVUS图像的血管管腔与斑块进行自动识别与三维重建,并基于优化的流体力学方程快速计算出血流储备分数(研究团队首次命名为UFR),创新性地实现了一根IVUS导管同时获得斑块成像与冠脉生理功能评估。在完成UFR的研发与集成到博动医学公司的IvusPlus软件中后,研究人员采用临床上采集的167个IVUS回撤冠脉图像(79个术前采集,88个术后采集)进行临床验证,以压力导丝测量的FFR作为参考标准,评价UFR在诊断有功能学意义的冠脉狭窄方面的准确度。研究结果显示:UFR的诊断准确度达到92%,灵敏度与特异度分别为91%与96%,且诊断鲁棒性非常高。相对于以IVUS的最小管腔面积(MLA)作为诊断标准,UFR在诊断冠脉狭窄的血流动力学意义方面具有更佳的性能,显著提升了IVUS在识别生理学意义的曲线下面积。IvusPlus还在2020年获得国家药监局批准为创新医疗器械,这也是上海交通大学与博动医学影像科技(上海)有限公司合作研发的第三个进入国家绿色审批通道的创新产品。

图2. UFR计算流程

本论文合作单位包括日本歧歧阜心脏中心、中国医学科学院阜外医院与爱尔兰国立高威大学等。研究获得到了上海市科委与上海市优秀技术带头人项目的支持,论文(DOI: 10.1161/CIRCINTERVENTIONS.120.009840)链接:

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

供稿部门:科研与学科办

撰稿:孙琼

审核:韦建和