聚焦高水平人工智能研究，优化心血管介入精准施治

陈韵岱

心血管疾病是全球范围内患病率和致死率最高的疾病之一［1］。据《〈中国心血管健康与疾病报告2022〉概要》报道［2］，我国心血管疾病的现有患病人数约为3.3亿，约占我国现有人口总数的1/4。严峻的疾病现状提示着采取行之有效的精准防控手段刻不容缓。因此，国家卫生健康委联合多部门共同制定了《健康中国行动—心脑血管疾病防治行动实施方案（2023-2030年）》，旨在协调各方、统筹兼顾、创新驱动、精准防治，切实寻求改善心血管疾病发展现状的“救治良方”。

新兴技术的产生带动着传统技艺的革新。近年来，计算机技术的迅猛发展为医学研究提供了新的延展方向，极大地改变了科学发展格局和前进速度，同时也丰富了科学研究的思路。作为计算机技术的重要研究分支，人工智能是一项模仿人类思维、学习和记忆能力的技术，目前已广泛应用于心血管疾病的防治领域，在智能化心血管疾病监测、精准化心血管疾病诊断、最优化治疗策略制定等多方面提供了新的解决方法，已逐步成为业界关注的焦点［3］。近年来，我国基于人工智能的医学研究刊文量逐步上升，高质量研究层出不穷，已有多家大型医学中心与工程学研究团队合作融合，牵头开展基于人工智能技术的心血管疾病相关关键问题研究，逐步建立起科技含量高、临床应用广、转化价值高的心血管疾病人工智能诊疗辅助体系，为从工学角度解决临床问题提供了新思路、新方法、新动能。

令人欣喜的是，人工智能的快速发展也为心血管介入这项传统优势技艺注入了新的活力，不仅从介入精准化提升、介入新技术探索等方面实现了介入技术的更新迭代，也提出了智能化介入医疗的新理念。因此，在人工智能驱使精准介入治疗时代到来之际，如何持续创造高质量人工智能研究成果，并推动高水平研究成果落地转化成为研究人员关注的焦点。

1 基于人工智能的“精准”介入新方案

随着心血管介入理念的不断更新，精准化介入治疗逐渐成为业界共识。人工智能技术在术前指征评估、术中路径导航及术后疗效评估等方面的应用不断扩展。近年来，随着以冠状动脉CT血管造影（coronary CT angiography， CCTA）为代表的无创影像学技术的快速发展，基于人工智能技术的无创影像学衍生指标［如冠状动脉CT血流储备分数（CT-fractional flow reserve，CT-FFR）、定量血流分数（quantitative flow ratio，QFR）、瞬时无波形比值（instantaneous wavefree ratio，iFR）］在术前临界病变评估方面起到了弥足轻重的作用，从功能学评估角度实现了临界病变的缺血评估。日前，笔者所在中心牵头完成了世界首个基于机器学习CT-FFR现场部署策略的多中心临床研究，发现CT-FFR可将非阻塞冠心病的造影检出率降低45%，诊疗成本降低约8.3%［4］。同时，CT-FFR还可以应用于真实世界支架术后患者，解决传统解剖学狭窄对支架术后患者诊断不准确的问题［5］，真正成为导管室的“守门人”和“追踪者”。 值得注意的是，CT-FFR在重度钙化病变缺血程度判断方面具有局限性，而高密度钙化病变产生伪影导致无法准确界定管腔边界是CT-FFR诊断效能下降的主要原因。目前，光子计数CT（Photoncounting CT，PCCT）［6］等CT采集新技术的革新提升了CT的时空分辨率，增加了信息的可读性，为进一步提高重度钙化病变的管腔识别能力提供了可能。此外，基于深度学习算法的钙化病变分割和量化可以更好地评估重度钙化病变对CT-FFR诊断效能的影响。另外，多模态融合成像技术可以实现多种影像学技术的优势互补，弥补单一影像学技术的短板和劣势，有助于提高诊断准确性，未来值得进一步加以探索。

术中路径导航是基于人工智能技术的精准化心血管介入的重要方法，广为人知的临床应用如FFRCTPlanner［7］、CathWorks FFRangio［8］等。前者基于深度学习算法实现了冠状动脉狭窄的术中虚拟治疗建模，后者则基于血管造影的FFR和流体力学参数实现术中靶病变的功能学及解剖学的同步评估，实现了术中病变治疗的精准导航。无独有偶，混合现实技术、3D打印技术、增强现实技术等前沿人工智能技术也对心血管疾病介入的智能化和精准化发展起到重要作用［9］。其中，虚拟三维重建和模拟手术入路等特有技术模块，可以为术者提供复杂病变解剖结构的模拟可视化，解决肉眼判断所带来的相对误差，实现术程的精准操作。此前，笔者曾成功实现全球首例混合现实技术支撑的下腔静脉滤器植入术，为该技术的推广应用积累了宝贵的实践经验。无独有偶，人工智能技术在血管内超声（intravascular ultrasound，IVUS）、光学相干断层成像（optical coherence tomography，OCT）等腔内影像学图像分析方面展现了极大的潜力，可以实现快速、精准的术中腔内影像学分析，在冠状动脉易损斑块精准分析和介入决策制订等方面具有重要作用［10］。虽然，该技术存在数据质量偏倚、成像分析耗时、图像分析误差等诸多挑战，但笔者相信，经过大规模数据稳健开发、测试和验证的人工智能模型仍有潜力改善冠状动脉易损斑块影像的评估，进一步改善冠心病患者的诊断和预后。

近年来，人工智能在结构性心脏病的精准诊治应用正在逐渐起步，已有多家单位开展了基于人工智能的辅助诊疗系统、智能建模导航、智能诊断评估以及实时手术追踪等智能化介入辅助技术，不仅推动了心脏电生理介入技术的精准化发展，也为先天性心脏病、心脏瓣膜病及心肌疾病等重点领域的科研创新发展赋能。日前，Yuan等［11］利用生成对抗网络技术识别窦性心律心电图中的心房颤动高危因素，精准实现了心房颤动的自动识别和早期筛查。也有研究聚焦于基于人工智能的心房颤动患者血栓预测模型研究，实现了对心房颤动患者血栓形成风险的有效评估，可以为血栓识别和早期防治提供新的解决思路，对解决我国脑卒中大国的现状具有重要临床意义［12］。人工智能还可应用于高危心肌肥厚的早期识别领域，基于心脏磁共振成像（magnetic resonance imaging，MRI）实现了肥厚型心肌病的心肌纤维化自动识别分析，同时，基于CT的高危心肌肥厚表型特征研究也在加快开展。近年来，国内的庄建团队深入先天性心脏病的手术辅助关键技术探索，搭建了心血管人工智能与3D打印技术平台。经过多年耕耘，基本实现了常见先天性心脏病的智能建模和诊断，取得了一系列令人鼓舞的成果［13］。该团队还建立了人工智能辅助下基于CT原始图像和临床参数的完全性肺静脉异位引流术后肺静脉梗阻的预测模型，开启了结构性心脏病数据挖掘的新探索。

近年来，影像学研究的快速发展衍生出了定量、深层次的影像组学分析方法。作为人工智能技术的重要研究分支，影像组学技术［14］可以深入挖掘影像学图像中肉眼无法识别的高维度纹理特征，在充分特征挖掘、筛选和建模预测后，可以在心脏疾病的精准诊疗、风险分层及预后评估等方面产生巨大潜力。目前，影像组学技术在冠状动脉周围脂肪分析［15-16］、斑块特征提取［17］、左心耳血栓识别［18］、心律失常监测［11］等多个研究领域具有一定的应用价值，充分扩宽了影像学分析的深度和维度。值得注意的是，影像组学研究在心血管疾病领域的研究尚浅，面临着图像采集标准不一、图像数据质量不齐、应用转化效能不足等一系列问题。未来需要进一步优化原始数据质量控制、规范影像组学研究流程、实现多点区域联动研究，为实现高质量、深层次医学影像分析赋能增值。

2 基于人工智能的“前沿”介入新技术

心血管介入技术的不断发展离不开层出不穷的前沿新技术的保驾护航。血管介入机器人是人工智能在介入治疗应用领域的一个新突破，近年来，计算机视觉技术和影像学分析等人工智能的迅速发展为血管介入机器人的研制提供了可能。截至目前，国内外已有多种血管介入机器人实现了临床应用，如CorPath®GRX机器人系统、Verb Surgical系统、Corindus系统、R-ONE®系统等［19-20］。血管介入机器人可以有效实现术中精准解剖学定位和结构识别，有助于提高手术操作精度，减少医患辐射暴露。虽然，血管介入机器人的研发仍处于起步阶段，尚需针对机器人操作精细度、操作速度及临床应用价值等多角度开展探索，但笔者相信随着涵盖临床医学、工程学及计算机科学的跨学科团队的持续探索，最终将促使这一技术转化落地和推广。

人工智能技术不仅在心血管介入器械革新上起到辅助作用，还着眼于心血管介入治疗的战线前移。其中，基于5G技术的远程医疗［21］是一项划时代的医工结合创新，该技术自提出之日起，则迅速打破了各地医疗中心之间的地理隔阂，使得跨区域医学交流和疾病救治成为可能。目前，我国范围内已有部分医院开展了5G智慧医院、5G救护车、远程会诊中心等智慧医学建设探索，笔者所在中心也创新性地建设了信息化介入手术间，有条件实现造影图像的多中心转播共享，并实现了全国首例机器人辅助下5G远程冠状动脉介入手术。随着6G技术的开发和部署，未来有助于减少地区间医疗水平差异，使得更多来自偏远地区的心血管疾病患者享受到现代医学进步的福利。此外，以“远程心电实验室”、“智能可穿戴设备”等为代表的智能化远程医疗管理系统实现了心血管疾病患者的心电数据采集、云端上传、远程诊断及远程预测，足以实现急性心脏事件的精准捕捉，实现与胸痛中心、卒中中心和创伤中心等医疗中心的关联互动，减少院外急性心血管疾病的漏判误判，真正发挥心血管疾病监测的“前哨站”作用［22-23］。另外，基于人工智能的虚拟影像生成技术［24］使得从非对比图像中生成增强图像成为可能，预示着无对比剂CT大血管成像时代的启动，有助于无创、快速的高危胸痛患者的急诊诊断评估和治疗指导，有力促进了高危胸痛诊治的阵线前移。

人工智能技术的成熟和发展走向逐步趋近于医学大模型的构建和验证。随着数据量的扩增和数据结构的加深，以自然语言处理及预测模型构建为基础的医学人工智能大模型逐渐成为未来发展方向。相异于传统疾病预测模型，大模型以“大”字为先，纳入海量数据开展弱监督数据特征学习，实现真正意义上的全智能医学诊疗模型构建。目前，国内外部分团队在心血管疾病诊疗预测大模型领域开始起步，如Avram等［25］构建的CathAI模型和基于深度学习技术的心房颤动相关左心耳血栓预测模型［26-27］，可以实现基于冠状动脉造影图像的冠状动脉狭窄全自动高效能分析、主动脉瓣复合体的解剖危险因素分析以及左心耳血栓的术前无创智能监测，为深入推动智能化医疗体系构建提供了循证证据和宝贵经验。

3 展望

人工智能的发展日新月异，在心血管疾病诊疗领域的应用也日渐深入，从工学角度促成了一大批临床关键问题的解决，已经成为现代心血管介入辅助技术的重要部分，为实现智能化、数字化、精准化医疗提供了诸多可能。然而，无限机遇也伴随着重大挑战。（1）如何实现复杂人工智能模型的临床可解释性分析，实现人工智能分析与临床实际应用场景的融合，是人工智能相关研究亟须解决的痛难点问题。相异于工程学建模研究，医学人工智能研究对于临床解释程度极为重视。目前，多种可视化技术（Grad-CAM、TCAV、SHAP等）正逐步被应用于人工智能的可解释性分析，有助于构建高效、简明、实用的人工智能模型［28］，使得临床医师对于模型输出结果的理解更为充分，着力推进人工智能辅助医疗诊治工作的部署。（2）匿名化标注数据集的可用性、复杂性及模型泛化性是人工智能研究的重要关注点。现有医学人工智能研究普遍存在数据质量参差不齐，模型过拟合或欠拟合比例偏高等问题，限制了模型推广和临床应用。为此，在保证严格数据质量控制的前提下，研究人员开发了迁移学习、数据增强技术等计算机技术，使用小样本数据实现模型预训练和模型微调，最终实现拟合程度好、泛化能力强的人工智能模型。（3）虽然已有多项高质量人工智能研究被发表，但总体高质量研究数量有限，尚无大规模、前瞻性随机对照试验用于心血管成像人工智能工具的临床效果评估，也未制定人工智能工具应用的标准化流程和成本效益分析。（4）数据隐私、安全性及伦理问题也是目前医学人工智能研究的重要问题。随着原始数据开源需求量的逐渐增加，大量患者隐私数据存在保密性不足、安全性欠佳等问题。目前，研究人员可采用加密技术和匿名化处理，同时需建立完善的数据安全管理和监控机制，确保数据的完整性和安全性。（5）如何保持医工交叉研究团队的高度融合，培养更多拥有交叉学科建设思维的后备骨干，为推动高质量人工智能研究落地转化储备力量，还需要一代代科研人员久久为功。

总之，人工智能技术方兴未艾，应用范围广泛，发展前景光明，对临床诊疗和科学研究均有开创意义。作为扎根心血管领域的探索者，需要牢牢把握人工智能快速发展机遇，持续培育创新发展意识，搭建医工交叉平台，将新兴研究成果应用于介入技术和介入理念的革新，创造出更多高质量人工智能研究成果，进而推动先进技术和科研成果的转化落地和临床应用，为心血管疾病患者的临床救治和风险评估提供新思路和新方法，最终为广大心血管疾病患者带来福音。

利益冲突 作者声明不存在利益冲突