《Nature》子刊收錄宣武醫院頭頸CTA血管重建最新成果，AI重塑臨床流程

該研究首次利用3D卷積神經網路設計了一個可實現頭頸CTA血管分割的後處理系統，能夠自動除去骨影像，並完成頭頸CTA血管重建。透過這樣的途徑，該系統一定程度上重塑了頭頸CTA臨床路徑。

通常而言，頭頸CTA檢查需要患者進行兩次CT掃描，但在該模型的輔助之下，只需一次增強掃描，患者便能獲得可用於重建的影像結果。同時，在長達兩年的研究週期中，AI重建的精度與準確度也隨著訓練的推進而不斷趨近於完美，逐漸能與資深醫師相當。

作為發病率高、死亡率高、複發率高、醫療負擔高的全球性疾病，卒中等腦血管病患者達千萬級別。 對頭頸CTA臨床路徑進行創新性突破，及其背後的臨床價值是該研究成果被《Nature》子刊收錄的重要原因之一。 

此外，該論文的研究過程也體現了人工智慧不斷成長提高的過程——練就一個有效的模型並非一蹴而就，這是一個循序漸進的過程。 

最新全球疾病負擔研究（Global Burden of Disease Study，GBD）顯示，我國總體卒中終生髮病風險為39.9％ ，位居全球首位，這意味著中國人一生中每５個人約有２個人會罹患卒中。此外，卒中也是我國疾病所致壽命損失年的第一位病因。《2019中國衛生健康統計提要》資料顯示，2018年我國居民因腦血管病致死比例超過20％，這意味著每５位死亡者中至少有１人死於卒中。

全球而言，2019年3月11日，《Lancet Neurology》雜誌釋出的相關資料，2016年，僅卒中患病人數就為8010萬，是全球第二大死亡原因。

缺血性卒中以及多種腦血管疾病診療中，頭頸CTA檢查是常規檢查手段。然而，日益增加的檢查量與有限CTA醫師之間的矛盾，使得醫院對於患者的需求應接不暇。科室工作壓力逐漸增大，患者也許等待較長時間才能完成CTA檢查預約及報告獲取。 

基於卷積神經網路的深度學習演算法或能解決這一矛盾，自人工智慧的洪流席捲醫療領域以來，許多醫療科技企業、醫院學者紛紛嘗試用AI的方式重塑CTA檢查流程。提高CTA 檢查效率、提高診斷準確率，其可能帶來億萬患者的獲益——這正是盧潔教授團隊選擇頭頸CTA作為研究物件的重要因素之一，亦是全球醫療發展向善的趨勢。

經過多年發展，人工智慧介入冠脈C他的能力已經在實踐之中得到驗證，大量三甲醫院已經上線了數坤科技等AI企業研發的“AI+CTA”產品。但相比於冠脈CTA，頭頸C他的重建過程顯得更為複雜，其中的難度提升來源於CT影像之中頭頸血管解剖複雜以及骨顯像帶來的干擾。 

“由於拍攝頭頸CT時無法忽略顱骨部分，而顱骨密度高，在CT影像上會以與造影劑類似的高亮方式呈現，數值也非常接近。因此，醫生必須使用一些特殊的方法將血管與顱骨區分出來。”數坤科技臨床研究院負責人郭寧解釋到。 

具體而言，為消除顱骨顯像對於重建的影響，醫生往往會要求患者進行兩次CT掃描，第一次不注射造影劑，第二次注射造影劑。在第一次CT掃描之中，能夠顯像的只有擁有高密度的顱骨部分，而第二次顯像則能同時包含顱骨與血管。在進行兩次掃描之後，對其結果進行影像減影，減去兩次影像中均為高亮顯示的顱骨及其它部分，剩下的便是重建需要的血管影像。

實際之中，這樣的操作常常會遇到很多問題。首先，這種方式對於患者的配合度要求非常高，患者兩次掃描的位置必須匹配，也不能移動，否則減影效果會有所欠缺。其次，兩次CT檢查無疑會給予患者更多的輻射劑量，雖然劑量仍然在安全範圍之內，但容易引起患者的擔憂。 

AI介入後，頭頸C他的檢查流程由此發生了較大的改變。將減少一次CT掃描，為患者帶來更好的就醫體驗，而重建影像耗費的時間也將由此大幅降低。 

回到論文，整個實驗大致可分為模型訓練與模型驗證兩個部分。18259例頭頸CTA資料集均採集於2017年6月至2018年11月間，由5家國內頂尖三甲醫院協作提供。按照每個病例600幅影像，每張影像10個血管區域進行計算，整個實驗過程已對超過一億血管區域進行了AI勾畫與分割。 

為保證樣本資料的有效性，研究人員手動檢查排除了507項影像質量較差的樣本資料，剩下9370例男性資料與8889例女性資料，所有參與者年齡均位於63±12歲這一區間。

 研究設計

完成樣本構建後，研究人員使用數坤科技開發的CerebralDoc AI模型對影像進行後處理重建。

一般的深度神經網路，在精度要求非常高的醫療影像中完成高標準的分割，難度比較大。比如，頭頸血管特別是顱內血管由於比較細小在一副影像中只佔幾十甚至幾個畫素，在數坤之前，國內外都沒有更好的網路能夠大規模應用於臨床。

數坤的CerebralDoc模型充分考慮了CT影像的三維特性和人體的組織器官特徵，將待學習的組織目標（比如血管）的各類特徵進行放大，在訓練時能夠充分將所需的特點進行學習提取。數坤專門設計的訓練過程，能做到訓練時從整體和區域性分別觀察血管，不斷增強網路的魯棒性，這是很獨特的。 

相比較數坤自己研發的前幾代網路，新的神經網路在對顱內細小血管的追蹤以及排除骨、去除靜脈干擾上又有突破。

數坤科技研究院負責人郭寧告訴動脈網：“這個實驗進行至今已經超過2年。模型最初建立的時候，像一個剛剛出生的孩子，隨著網路的快速成長，影像重建的準確率、效率，逐漸提升，到了論文釋出時，AI的重建準確率已經趨近於100%。” 

論文釋出時，該AI的演算法評價指標戴斯相關係數、血管加權分數和召回率均達到90%以上。 

具體而言，AI 在獨立測試集重建準確率達到了93.1%。而與152例手動重建資料進行對比，AI重建的合格率達到92.1%，此外，AI 重建VR影像的血管邊界比手動重建更光滑、最大密度投影重建（MIP）影像的去骨效果更佳。

a右腦中動脈閉塞，沒有建立側支迴圈；b基底動脈瘤伴血栓和鈣化，可在CerebralDoc重建的MIP中觀察到；c寰枕手術後，AI中的金屬偽影得到了更好的抑制；d直接由主動脈引起的右頸總動脈和左椎動脈的分叉嚴重狹窄

AI重建和手動重建影像質量的比較。第一行可見AI 重建影像血管管壁更加光滑，分支顯示更遠；第二行可見手動去骨受掃描的影響較大

在效率提升上，AI同樣發揮出優異的表現。該系統應用於宣武醫院後，該院影像平均後處理時間由14.22±3.64min減至4.94±0.36min，時間縮短到原來的1/3。同時，技師的點選操作次數也因為AI的介入而飛速下降，由115.87±25.9下減至4下。

此外，使用5個月之後，宣武醫院進行CTA後處理技師已經從3人縮減至1人。郭寧表示：“技師人數的變化反映了AI能力的成長，在實驗之初，AI處理的結果仍需要醫生進行修補確認，但隨著模型逐漸成熟，醫生已經能夠將大部分工作交給AI進行，轉而投身更有意義的分析與研究工作之中。這個時候，AI技術已經與醫生的工作深入的融合在了一起。” 

長期以來，我們一直無法透過定量的方式衡量AI為醫生帶來的價值，而本篇論文的研究方法無疑提供了一條合理的路徑。 

實驗已經有效驗證了AI在頭頸CTA影像後處理中的優效性，研究團隊仍在持續尋求提升空間。 

郭寧告訴動脈網：“ 本次實驗排除了一些存在偽影，或者存在先天血管畸變的病例，這將是我們下一階段研究的重點目標。”

這放在整個人工智慧領域同樣適用。AI 經過了多年的發展，應用範圍和應用深度上需醫生和科學家團隊不斷向深度探索，接下來，我們還需要更多這樣產學結合的成果，用實際結果證實AI的優效性。