近日Nature子刊NatureCommunications在线刊发了题为RapidvesselsegmentationandreconstructionofheadandneckCTAusing3Dconvolutionalneuralnetwork的科研论文IF=12.该论文由医院卢洁教授团队与数坤北京网络科技有限公司共同研究发布论文第一作者为傅璠博士通讯作者为卢洁教授。
该研究首次利用3D卷积神经网络设计了一个可实现头颈CTA血管分割的后处理系统能够自动除去骨影像并完成头颈CTA血管重建通过这样的途径该系统一定程度上重塑了头颈CTA临床路径。
通常而言头颈CTA检查需要患者进行两次CT扫描但在该模型的辅助之下只需一次增强扫描患者便能获得可用于重建的影像结果同时在长达两年的研究周期中AI重建的精度与准确度也随着训练的推进而不断趋近于完美逐渐能与资深医师相当。
作为发病率高死亡率高复发率高医疗负担高的全球性疾病卒中等脑血管病患者达千万级别对头颈CTA临床路径进行创新性突破及其背后的临床价值是该研究成果被Nature子刊收录的重要原因之一。
此外该论文的研究过程也体现了人工智能不断成长提高的过程练就一个有效的模型并非一蹴而就这是一个循序渐进的过程。
千万级患者量的临床需求
最新全球疾病负担研究GlobalBurdenofDiseaseStudyGBD显示我国总体卒中终生发病风险为39.9％位居全球首位这意味着中国人一生中每５个人约有２个人会罹患卒中此外卒中也是我国疾病所致寿命损失年的第一位病因中国卫生健康统计提要数据显示年我国居民因脑血管病致死比例超过20％这意味着每５位死亡者中至少有１人死于卒中。
全球而言年3月11日LancetNeurology杂志发布的相关数据年仅卒中患病人数就为万是全球第二大死亡原因。
缺血性卒中以及多种脑血管疾病诊疗中头颈CTA检查是常规检查手段然而日益增加的检查量与有限CTA医医院对于患者的需求应接不暇科室工作压力逐渐增大患者也许等待较长时间才能完成CTA检查预约及报告获取。
基于卷积神经网络的深度学习算法或能解决这一矛盾自人工智能的洪流席卷医疗领域以来医院学者纷纷尝试用AI的方式重塑CTA检查流程提高CTA检查效率提高诊断准确率其可能带来亿万患者的获益这正是卢洁教授团队选择头颈CTA作为研究对象的重要因素之一亦是全球医疗发展向善的趋势。
量变到质变AI优化临床路径
经过多年发展人工智能介入冠脉CTA的能力已经在实践之中医院已经上线了数坤科技等AI企业研发的AI+CTA产品但相比于冠脉CTA头颈CTA的重建过程显得更为复杂其中的难度提升来源于CT影像之中头颈血管解剖复杂以及骨显像带来的干扰。
由于拍摄头颈CT时无法忽略颅骨部分而颅骨密度高在CT图像上会以与造影剂类似的高亮方式呈现数值也非常接近因此医生必须使用一些特殊的方法将血管与颅骨区分出来数坤科技临床研究院负责人郭宁解释到。
具体而言为消除颅骨显像对于重建的影响医生往往会要求患者进行两次CT扫描第一次不注射造影剂第二次注射造影剂在第一次CT扫描之中能够显像的只有拥有高密度的颅骨部分而第二次显像则能同时包含颅骨与血管在进行两次扫描之后对其结果进行图像减影减去两次影像中均为高亮显示的颅骨及其它部分剩下的便是重建需要的血管影像。
实际之中这样的操作常常会遇到很多问题首先这种方式对于患者的配合度要求非常高患者两次扫描的位置必须匹配也不能移动否则减影效果会有所欠缺其次两次CT检查无疑会给予患者更多的辐射剂量虽然剂量仍然在安全范围之内但容易引起患者的担忧。
AI介入后头颈CTA的检查流程由此发生了较大的改变将减少一次CT扫描为患者带来更好的就医体验而重建影像耗费的时间也将由此大幅降低。
超亿次血管勾画验证AI实现颅内细小血管精准分割
回到论文整个实验大致可分为模型训练与模型验证两个部分例头颈CTA数据集均采集于年6月至年11月间由5医院协作提供按照每个病例幅影像每张影像10个血管区域进行计算整个实验过程已对超过一亿血管区域进行了AI勾画与分割。
为保证样本数据的有效性研究人员手动检查排除了项图像质量较差的样本数据剩下例男性数据与例女性数据所有参与者年龄均位于63±12岁这一区间。
研究设计
完成样本构建后研究人员使用数坤科技开发的CerebralDocAI模型对影像进行后处理重建。
一般的深度神经网络在精度要求非常高的医疗图像中完成高标准的分割难度比较大比如头颈血管特别是颅内血管由于比较细小在一副图像中只占几十甚至几个像素在数坤之前国内外都没有更好的网络能够大规模应用于临床。
数坤的CerebralDoc模型充分考虑了CT影像的三维特性和人体的组织器官特征将待学习的组织目标比如血管的各类特征进行放大在训练时能够充分将所需的特点进行学习提取数坤专门设计的训练过程能做到训练时从整体和局部分别观察血管不断增强网络的鲁棒性这是很独特的。
相比较数坤自己研发的前几代网络新的神经网络在对颅内细小血管的追踪以及排除骨去除静脉干扰上又有突破。
数坤科技研究院负责人郭宁告诉动脉网这个实验进行至今已经超过2年模型最初建立的时候像一个刚刚出生的孩子随着网络的快速成长影像重建的准确率效率逐渐提升到了论文发布时AI的重建准确率已经趋近于%。
效率质量不断提升医生+AI优势互补
论文发布时该AI的算法评价指标戴斯相关系数血管加权分数和召回率均达到90%以上。
具体而言AI在独立测试集重建准确率达到了93.1%而与例手动重建数据进行对比AI重建的合格率达到92.1%此外AI重建VR图像的血管边界比手动重建更光滑最大密度投影重建MIP图像的去骨效果更佳。
a右脑中动脉闭塞没有建立侧支循环b基底动脉瘤伴血栓和钙化可在CerebralDoc重建的MIP中观察到c寰枕手术后AI中的金属伪影得到了更好的抑制d直接由主动脉引起的右颈总动脉和左椎动脉的分叉严重狭窄。
AI重建和手动重建图像质量的比较第一行可见AI重建图像血管管壁更加光滑分支显示更远第二行可见手动去骨受扫描的影响较大。
在效率提升上AI同样发挥出优异的表现医院后该院影像平均后处理时间由14.22±3.64min减至4.94±0.36min时间缩短到原来的1/3同时技师的点击操作次数也因为AI的介入而飞速下降由.87±25.9下减至4下。
此外使用5医院进行CTA后处理技师已经从3人缩减至1人郭宁表示技师人数的变化反映了AI能力的成长在实验之初AI处理的结果仍需要医生进行修补确认但随着模型逐渐成熟医生已经能够将大部分工作交给AI进行转而投身更有意义的分析与研究工作之中这个时候AI技术已经与医生的工作深入的融合在了一起。
无远弗届
长期以来我们一直无法通过定量的方式衡量AI为医生带来的价值而本篇论文的研究方法无疑提供了一条合理的路径。
实验已经有效验证了AI在头颈CTA影像后处理中的优效性研究团队仍在持续寻求提升空间。
郭宁告诉动脉网本次实验排除了一些存在伪影或者存在先天血管畸变的病例这将是我们下一阶段研究的重点目标。
这放在整个人工智能领域同样适用AI经过了多年的发展应用范围和应用深度上需医生和科学家团队不断向深度探索接下来我们还需要更多这样产学结合的成果用实际结果证实AI的优效性。
