心血管疾病是對人類生命威脅最大的疾病之一，也是世界範圍內因病死亡的首要原因。據估計，全球每年都有約1790萬人死於心血管相關疾病。
圖片來源：Pixabay
不過，心血管疾病的發病也並非無跡可尋，血液和血管的一些生理指標都可以用來預測心血管疾病風險。冠狀動脈中的鈣化沉積會限制血管中血液的正常流動，進而增加心血管疾病的發生機率。所以，冠狀動脈鈣化（coronary artery calcium, CAC）沉積就是一個很好的心血管疾病預測指標。
雖然可以把冠狀動脈鈣化沉積的情況作為判斷心血管疾病風險的依據，這個方法也有一定的侷限性：評估CAC需要醫學專家仔細檢查CT掃描影像並跟蹤觀察惡化標誌。而人手不足限制了進一步擴大CAC評估的適用範圍。
為了擴充CAC評估在心血管疾病預測的應用，荷蘭烏特勒支大學醫療中心（University Medical Center Utrecht）影像科學研究院的研究人員提出了一個AI系統，可以不需人工指導，自動為患者評估CAC情況。儘管這不是第一套自動評估CAC狀況的AI系統，其速度卻比以往的系統快了近百倍。
研究團隊使用了兩個卷積神經網路來實現對患者CAC狀況的評估。第一個神經網路用於處理CT掃描影像，第二個神經網路則負責計算線性迴歸模型來得出CAC分數。
▲新AI系統的運作流程（圖片來源：arxiv.org截圖）
荷蘭烏特勒支大學醫療中心和美國肺部篩查試驗（National Lung Screening Trial）資料庫中的CT影像為訓練AI系統提供了資料支援。研究團隊共使用了2590份CT掃描影像，其中包括一組心臟CT掃描和一組胸部CT掃描。每組影像中均有約一半用於訓練AI，一半用於驗證演算法。
研究人員採用了配備了英特爾處理器和英偉達Titan X顯示卡的裝置，這套裝置在0.3秒以內即可給出CAC評估分數，並且相關係數高達0.98。相關係數在迴歸模型中用於描述兩個變數之間的相關性強度，在本試驗中即是AI預測的CAC分數和人工計算的CAC分數之間的相關強度。也就是說，AI和放射科專家在判斷冠狀動脈鈣化這一問題上，具有極高的默契。
不僅如此，AI系統還能為醫生提供數字化的影像報告分析，通過熱力圖等方式預測鈣化的具體情況，方便醫生臨床和研究途徑的使用。
現在，用於心血管疾病診斷的AI系統越來越多，其中也不乏通過醫療器械審批的產品。此次烏特勒支大學醫療中心的新成果，再次豐富了心血管疾病相關的AI應用，不僅能減輕醫生的工作負擔，也有望為更多的患者帶來更好的醫療體驗。
參考資料：
[1] AI examines artery calcium deposits to assess heart disease risk。 Retrieved Feb 18, 2019 from https://venturebeat.com/2019/02/15/ai-examines-artery-calcium-deposits-to-assess-heart-disease-risk/