按关键词阅读：
近日 ， 《Nature 》子刊《Nature Communications》在线刊发了题为《Rapid vessel segmentation and reconstruction of head and neck CTA using 3D convolutional neural network》的科研论文（IF=12.121） 。 该论文由首都医科大学宣武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 。
文章图片
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（Global Burden of Disease Study ， GBD）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 。 《2019中国卫生健康统计提要》数据显示 ， 2018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 ， 2019年3月11日 ， 《Lancet Neurology》杂志发布的相关数据 ， 2016年 ， 仅卒中患病人数就为8010万 ， 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医师之间的矛盾 ， 使得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 ， 许多医疗科技企业、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得到验证 ， 大量三甲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 。
稿源：(动脉网)
【】网址：http://www.shadafang.com/c/hn10149B2492020.html
标题：Nature|《Nature》子刊收录宣武医院CTA研究，AI重塑临床流程
