0
| 本文作者： 李雨晨 | 2018-04-28 16:47 |
近日，匯醫慧影聯合北京301醫院血管外科發布了主動脈人工智能研究云平臺AORTIST2.0（主動脈支架個體化置入人工智能研究云平臺）。
針對這一平臺的設計初衷、合作內容以及價值實現等幾個問題，雷鋒網與301醫院郭偉教授以及匯醫慧影CEO柴象飛進行了一次深入對話。
AORTIST2.0如何助力主動脈疾病診治？
牽頭此次合作的301醫院血管外科全軍血管外科中心主任郭偉向雷鋒網介紹到，云平臺AORTIST2.0擁有全球范圍內首次開發出的B型主動脈夾層人工智能自動分割方法。于匯醫慧影而言，云平臺的發布也是一次突破：AI應用首次“走出了”影像科，開始在臨床科室應用，同時也將AI的應用環節從診斷延伸到了臨床治療輔助決策。
2017年，郭偉主任與匯醫慧影創始人柴象飛在血管創新論壇上碰面。
兩人一見如故，促膝長談后，郭偉主任提出了一個想法：AI技術在醫學領域這么火，那么能否嘗試在主動脈擴張性疾病中得到應用？
柴象飛思考許久后，給出了肯定的答復，于是雙方一拍即合，項目就此展開。
郭主任回憶到，當時選擇和匯醫慧影建立合作非常重要的一點，就是看到了柴象飛團隊優秀的學術背景。
“象飛是美國斯坦福大學的博士后，在醫學影像人工智能、圖像處理以及數據分析領域擁有超過10年的跨學科的科研和工程經驗，與此同時，匯醫慧影的研究團隊也多來自世界頂級高校。在人工智能的這個大環境下，深厚的研究背景，是醫工交叉融合的基礎。”
而具體的項目合作是如何開始并展開的？
郭偉主任談到：301醫院和匯醫慧影共同設計課題，醫院方提供影像數據、患者臨床數據等。匯醫慧影提供的技術包含了主動脈及其分支自動分割算法、主動脈中心線自動提取算法、破口自動識別算法、手術方案專家系統以及影像組學分析模塊。影像組學分析模塊里包含了基于自動分割的影像特征提取功能和預后預測模型。
雙方此次研究的對象是主動脈擴張性疾病，主要包括主動脈瘤和主動脈夾層。主動脈夾層是主動脈疾病中最為兇險、復雜的疾病。根據病變部位，主動脈夾層又可以分為A型和B型，B型主動脈夾層的住院期間死亡率達到10%，5年內死亡率高達20%-40%，約62%的患者術后發生胸主動脈或腹主動脈擴張。
醫療設備和手術器械的革新，讓B型主動脈夾層從傳統開刀手術轉變為腔內修復術，將手術期死亡率從30%降至10%以內。在技術進步的背景下，對主動脈疾病的治療，醫生的關注點也從手術安全轉變為個性化精準治療，降低病發癥風險、改善遠期預后結果。
因此，如何對解剖參數進行精準測量，以降低手術并發癥發生率，如何實現患者預后預測，以制定個性化治療方案，是血管科醫生面臨的新課題。
郭偉主任指出，B型主動脈夾層手術規劃需要對近遠端錨定區的直徑、破口位置和一些重要的距離信息進行精準的測量。傳統的基于CTA軸位的手動測量會存在誤差，尤其是主動脈弓部直徑測量誤差非常大；除此以外，手動測量方式難以獲取長度信息。在這種情況下，血管外科醫生通常需要委托專業人員使用商業軟件才能獲得精確的解剖參數。
AORTIST要解決的就是B型主動脈夾層手術中的精準測量、預后預測和遠程隨訪三大核心問題，可以對B型主動脈夾層的破口識別直徑和長度測量。不同的影像組學的目標是不一樣的，比如說肺結節篩查的目標是鑒別良惡性。而血管類疾病本身是良性病，醫生不需要進行篩查，所以醫生要做的就是指導治療和術后評估。所以云平臺在設計之初，就沒有涉及到篩查預防的環節。除此以外，平臺里置入了治愈后預測分析模塊，醫生能根據模塊中的預測結果為患者制定個性化的隨訪方案。
自動測量和手工測量的區別是什么？
郭偉主任表示，自動測量的好處，首先是提高效率、完整呈現影像中的信息；其次是提高測量準確性，在AORTIST云平臺的輔助下，動脈直徑測量交并比達到98%，動脈直徑誤差縮小到1.5mm以內，較常規手動測量精準度提高到50%以上，在10分鐘內可以完成對患者錨定區直徑、長度、分支動脈間距離的精確測量。
隨后，柴象飛也談到：由于前期手術不完善，一部分患者很可能需要重新入院治療。很多頂級醫院進行的一些手術都是修復性手術，一定程度上消耗了醫生資源。所以，除了提高醫生的手術精度之外，AORTIST系統中還整合了匯醫慧影開發的影像組學云平臺，其中嵌入影像組學的預測模型，在超過10年的跟蹤數據基礎上對B型夾層患者術后是否會發生不良事件進行預測。
目前，這個預測范圍包括了TEVAR術后6個月、12個月和24個月胸主動脈擴張發生概率、腹主動脈擴張發生概率和一些其他的復合重點事件。
郭偉主任認為，醫學數據里面很重要的一部分是影像學數據，從疾病本身來看，主動脈疾病的影像數據量巨大，非常契合進行人工智能和影像組學方面的研究。之所以從B型主動脈夾層入手，是因為其形態比主動脈瘤復雜，所以在技術實現上的難度更高。如果在這一病種上實現突破，再拓展到其他病種時將容易很多。
此外，將云平臺引入血管學科對于學科本身而言也要重要的意義。
第一，學科的寬度問題。郭主任表示，寬度問題就是普及問題，普及問題就是培訓問題。郭主任在血管科的學術發展上具有很長遠的目光，從20年前開始，301醫院的血管科團隊就開始為下級醫院進行小范圍的學科培訓，但是效果并不理想。因為醫生個體認知水平參差不齊，所以想把底層醫生的技術提高到專業水平是一件很困難的事情。培養一名血管科醫生的時間成本很大。在郭主任看來，大數據、人工智能等技術的不斷完善，通過云平臺的輔助可以讓初級醫生的臨床診療水平達到頂尖醫生的水平。
第二，學科的深度問題。郭主任認為，在國家經濟轉型的背景下，學科也迫切需要進行創新。就血管學科而言，創新主要需要著眼于在兩個方面：器材的原創性和研究證據的創新。醫學器材包括植入到體內的器材和其他輔助性的器材，需要通過各項目的臨床研究來證實其有效性和安全性。“云平臺可以歸為輔助性器材，是提高醫生臨床治療水平的一個重要工具。”
如果將視野提高一個層面來看，醫院和各科室之間還存在疾病管理的問題。
過去病人和醫生、醫生和醫院、醫院和醫院、醫院和國家之間都是一個個的信息孤島。從這個角度來說，現階段的醫學數據并不屬于大數據。
因此，不管是企業或者是醫院開發出的醫療云，其核心在于建設一個覆蓋范圍廣大的醫療信息平臺，實現醫療數據的互通互聯，進而對醫療資源進行再分享。過去醫生與患者之間缺乏聯系的紐帶，隨訪就是連接醫生和患者的重要手段。然而隨訪過程的工作量又非常大，醫生和患者都需要花費大量的時間和精力，在醫院來回奔波對于偏遠地區的患者更是不現實。
因此，除了實現數據的互聯互通之外，云平臺的另一個重大意義在于為醫生和病人建立了穩定的線上關系。通過對醫學數據庫里的數據進行動態分析，可以讓醫生更方便地掌握患者的病情，為醫患雙方減小負擔。數據分析這件事很適合機器來做，人工未必能勝任。
郭主任表示，隨著后期AORTIST云平臺應用的不斷深入，對醫生來講，云平臺里所有就診的個體患者信息就是一個個的小數據庫。如果全國的醫院都能夠上云的話，云平臺就可以變成真正意義上的大數據平臺。
醫療決策是一個復雜的過程，柴象飛認為，我們熟悉的影像學只是其中一個參考依據。醫生還需要將臨床數據、檢驗數據以及病史數據甚至是基因數據進行整體的融合建模。
郭主任向雷鋒網介紹，這次發布的AORTIST2.0版中采用的是多中心的245例病人的CT影像數據和其他多維數據。平臺模型訓練出來之后，雙方先在小范圍內進行驗證，并調試準確度，最后再進行大范圍的推廣應用。
在B型主動脈這個問題上，醫療影像雖然已經實現了突破，但還仍然存在著不少挑戰。工業界常用的深度學習方法存在不足，需要依靠大量數據來“喂養”。但是一些罕見的病種無法達到上百萬例的數據量。為此，郭主任也表達了類似的觀點：如何利用小數據集群進行人工智能計算，反而是工業界在日常研究中需要注意的方面。
“主動脈性疾病從全國范圍來看也就是10萬人的量，如果再細分A型、B型主動脈瘤，每一個單病種只有幾萬例的樣本量。”針對這個現實的問題，柴象飛向我們提到了匯醫慧影團隊應用的三大工具：
第一個是遷移學習。利用上億級的通用數據、通用圖像庫，將能力特征遷移到相對小的數據集上。
第二個是影像結合臨床數據的整體關聯能力。
第三個是強化學習。要實現院內系統完全的聯網化很難，但數據是一個動態積累的過程。為了在院內、院外系統中實現自我學習、自我提升，強化學習是一個很好的工具。
“我們甚至建了隨訪系統，包括醫院CRT表單和患者的隨訪系統。只有這樣才能持續跟蹤患者的數據，通過這些數據的持續反饋形成閉環，以此來提升系統的精準性。”
除了幫助醫生在日常工作進行精準治療之外，柴象飛還看到了醫生的科研需求，所以匯醫慧影把很多組學的算法以及人工智能的算法，包括常用的運算模型，包括U-Net模型都開放在平臺上面。醫生只需要錄入數據進行標注，當平臺可以進行算法優化時，就可以進行模型的構建。
醫療行業不同于安防等其他的AI應用場景，其行業的特殊性決定了很多新技術、新東西是不能去“試錯”的。同時，尤其是在醫學影像這個細分領域里，極具學科交叉能力的創業者會具有比較大的競爭力。
柴象飛近幾年深入到臨床科室，他認為，無論是產品、科研還是商業化的開拓，需要多方的協作，尤其是跨學科人才的培養。如果想真正開發出以人工智能創新為驅動的產品，需要工業界深刻理解醫學本質甚至還要具備商業化的思維。
柴象飛向雷鋒網表示，與頂級醫院牽手是醫療創業公司的必經之路。不同于傳統的藥物研發、設備研發行業，創業者在人工智能這條路上沒有太多的經驗可以借鑒。其他領域也許會有一些比較成熟的模式，創業者摸索著往前走。但是在人工智能領域有很多問題是我們從來沒有遇到的。我們的目標就是協同多方力量，讓醫療AI實現重大突破。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
