人工智能深挖医学影像数据

    中国影像FFR市场正在迅速增长,人工智能入局FFR领域大大推动了冠心病的精准诊断。
    立足核心的医学影像和流体力学仿真技术,阅影科技致力于研发心脑血管疾病辅助诊断和决策产品,以协助医生实现更精准的诊断。目前,公司拥有脉影、剪影、颅影等多款在研产品。
    “我们并不想造超人来取代医生,而是要造盔甲来帮助医生成为超级英雄。”
    研发团队“添砖加瓦”,15年医学图像处理专家进阅影
    根据《中国心血管健康与疾病报告2019》,我国心血管现患人数为3．3亿,其中脑卒中患者1300万,冠心病1100万。
    背靠千万级患者,瞄准国内心脑血管疾病的治疗需求,2017年10月阅影科技在深圳成立。公司针对心脑血管领域的精准诊断,以“人工智能+医学影像”为中心,提供从诊断、术前规划、术中导航到预后的全流程辅助诊断和决策平台,力图改善目前繁琐的人工流程。
    踏足心脑血管精准诊断市场,阅影科技的“底气”是一批AI、流体力学仿真人才。公司非常重视自主研发,内设的研发团队共分为三大板块。一是公司CEO张超带队的高精度仿真团队,二是首席科学家王纯亮带队的机械视觉团队,三是工程化团队。
    公司创始人张超是美国约翰·霍普金斯大学机械工程系和医学院联合培养的博士,他曾参与联合数字心脏项目(Hopkins Heart),其中有包括CT-FFR在内的医学影像计算技术。同时,在工作过程中他积累了仿真算法、计算功能学等技术,由此奠定了回国创业的契机。
    自2017年成立以来,阅影科技吸引了一群海归博士、国内外高校人才。在技术更迭、产品线扩张的当口,王纯亮博士选择全职回国担任阅影科技的首席科学家。
    王纯亮是瑞典皇家理工学院副教授,有15年的医疗影像从业经历,是医疗影像领域的资深专家。谈到此次回国,他表示希望把这些年积累的技术、经验真正用于临床,做出几款能够在临床中实际使用的产品。
    临床科班出身,王纯亮对临床需求具有深切的感知,他认为AI是一个能改变临床的技术。
    “医学影像中包含的信息在很大程度上是浪费掉的。”
    比如一个胸部CT中包含肺的容积、心脏形态学等信息,如果医生愿意花时间去做,一定会发现很多信息。但在医疗资源短缺的地方,全面筛查胸部CT影像可能会为医生增加许多负担。利用AI技术对影像进行自动化分析,可以在不增加医生任何负担的情况下,为他们提供更准确的诊断信息,对患者情况进行综合判断,从而提高整体的医疗水平。
    全自动CT图像处理,基于少量数据进行深度学习
    FFR(血流储备分数)是冠脉狭窄功能性诊断的“金标准”。
    临床上常用压力导丝测量FFR,在《2018欧洲心脏学会心肌血运重建指南》和《中国经皮冠状动脉介入治疗指南(2016)》中均作I类A级推荐。但传统的压力导丝测量FFR在安全性、经济性、实用性上都有待改进,在中国的应用率不及1%。
    CT-FFR可作为有创FFR的重要替代,在CT影像的基础上无创测量FFR值,为医生提供辅助诊断。在全球范围内,HeartFlow率先开展CT-FFR业务,国内科亚医疗、数坤科技等企业也在推进相关产品。
    阅影科技抓住AI医学影像、精准诊断发展的契机,推出CT-FFR产品脉影。在冠脉CT影像的基础上,基于深度学习全自动化分析影像数据来测算FFR值,以评估患者的血管功能状况。
    脉影CT-FFR产品作用的第一阶段是3D建模,把CT影像信息转化为血管三维模型。在这过程中,一旦血管直径出现一点偏差,就会成倍数地影响血流计算结果。
    在有15年从业经验的图像处理专家王纯亮博士的带领下,阅影科技利用图像分割和图形仿真技术,把血管的形态较准确地呈现出来。同时,在这过程中引入人工智能,大大加快了图像分割和三维建模的速度。
    第二阶段是流体力学仿真,基于血管三维模型模拟血流。张超博士与研发团队一同开发出精准、快速的血流模拟技术,建立了一个可拓展、模块化的可视化平台,用于支撑多模块信息的集成。
    CT-FFR无创测量计算量较大,对计算机硬件要求高。传统的CT-FFR系统需要医院把CT数据上传云端,再通过企业的服务器去计算,一般需要几小时或隔天才能把数据送到临床科室。而脉影产品可以直接在临床科室对CT图像进行全自动化处理,把整个过程缩短到10分钟以内。
    这不仅可以减轻医生负担,缩短FFR测量的时间,而且还能提高临床应用FFR技术的积极性。因为医生已经有了CT影像,如果可以不费力气就得到FFR数据,不需要再对患者进行额外的图像采集操作,他们会更愿意使用CT-FFR系统。
    再而,我国医院对于数据的安全性管控非常严格,按照这样的发展趋势,未来企业只有把辅助诊断技术部署在医院,才便于进行数据采集与管理。
    此外,阅影科技开发的AI算法只需要小量的优质算例就可以完成高精度的卷积神经网络架构的搭建,大大减少了对原始医疗数据的依赖。目前,很多深度学习提供的是一种端到端的学习范式,整个学习流程完全交给深度学习模型直接学习从原始数据到期望输出的映射。
    以脑出血为例,根据出血部位的不同,脑出血可分为蛛网膜下腔出血、脑实质出血、脑室内出血等类型。只有提前把各类出血病例展示给神经网络,它才能够准确识别不同类型的脑出血。这就导致神经网络数据依赖性强,而且可能无法识别偶发、低发的脑出血病灶。
    这种方式与医生的学习过程不同。医生是在学习了人体正常的解剖结构之后,再根据异常判断疾病。阅影科技的深度学习网络借鉴了医生的学习路径,先从健康、正常的人体解剖结构入手,再根据异常综合判断,降低对原始数据的依赖。如此一来,即便患者出现一些异常情况,如大规模的钙化或放置支架,阅影科技的产品也能准确进行血管分割。
    根据临床应用数据,脉影产品测量FFR值的准确率达90%,而且对于FFR灰区(即FFR在0．75-0．80之间)的患者计算的准确率较高。
    基于3D建模和流体力学仿真两方面技术,阅影科技仍在不断开发新产品,将心脑血管形态学和功能学信息整合起来。新产品将不止能够判断血管狭窄率、血流情况,还能反映血管周围斑块及其结构组成。
    “先有靶子再拿枪”,扩展心脏、颅内两大产品线
    阅影科技锚定血管影像领域,主要研发诊断辅助、诊断决策类产品。
    公司共有两条产品线。一条是研发心脏科影像诊断产品,如冠脉形态学的分析平台、结构性心脏病的诊断及术前规划、房颤射频消融术前的规划。另一条是开发颅内功能学诊断产品,不只针对颅内动脉,还有颅内的多模态影像融合。
    在产品布局上,阅影科技精准把握临床需求,“先有靶子再拿枪”,专注于心脑血管领域的纵深发展。正是看到了心脑血管疾病的危急性、重要性,阅影科技才将重心放在心脑血管影像领域。下一步,公司计划将业务拓展至外周血管领域。
    在发展过程中,阅影科技与北大三院、阜外医院、安贞医院达成合作,共同开展脉影CT-FFR产品的临床试验,同时将宣武医院、复旦大学附属华山医院作为颅影产品落地的中心。在海外市场,公司与斯坦福医学院的心内科、约翰·霍普金斯大学亲密合作,共同开展公司在全球范围内的多中心临床试验。
    未来,阅影科技希望通过心脑血管产品的串联,搭建一个心脑血管辅助诊断和决策平台,真正替代医生现有的诊疗手段。
    作者:陈婕