周輝 李坤鵬 趙翰文 龔敏

人工智能（AI）是使用計(jì)算機(jī)在最少的人為干預(yù)下模擬智能行為[1]。英國數(shù)學(xué)家阿蘭·圖靈將計(jì)算機(jī)中的智能行為，定義為在認(rèn)知任務(wù)中達(dá)到人類水平的能力[2]。目前AI 在醫(yī)學(xué)領(lǐng)域的應(yīng)用場(chǎng)景包括疾病診斷、健康管理、圖像分析、手術(shù)引導(dǎo)、診療規(guī)劃等[3-5]，其效果在不同人群、模型中得到了驗(yàn)證[6]。

1 AI對(duì)心血管疾病的輔助診斷

1.1 心電圖

在心電圖診斷中AI 已可實(shí)現(xiàn)常見心律失常以及心肌梗死的輔助診斷，與臨床醫(yī)師的診斷結(jié)論相比具有良好的準(zhǔn)確性。AI 已能識(shí)別QRS 波、P 波、T 波及心電向量圖，計(jì)算心率、電軸及間期[7-8]。基于德國聯(lián)邦物理研究院（PTB）數(shù)據(jù)庫的實(shí)驗(yàn)結(jié)果表明，相較于現(xiàn)有技術(shù)，AI 對(duì)心肌梗死檢測(cè)的準(zhǔn)確率為95.49%，靈敏度為94.85%，特異度為97.37%[9]。在AI 的幫助下心電圖甚至超越了其傳統(tǒng)的功能，使用配對(duì)的12 導(dǎo)聯(lián)心電圖和超聲心動(dòng)圖數(shù)據(jù)，對(duì)來自梅奧診所44 959 例心血管疾病患者的左室射血分?jǐn)?shù)進(jìn)行分析，其靈敏度、特異度和準(zhǔn)確度值分別為86.3%、85.7%和85.7%。在沒有心室功能障礙的患者中，AI 篩查陽性患者的準(zhǔn)確率是其他技術(shù)的4 倍（HR＝4.1，95%CI：3.3～5.0）[10]。

1.2 超聲心動(dòng)圖

超聲心動(dòng)圖有助于臨床醫(yī)生更好地理解某些心臟疾病的嚴(yán)重性以及對(duì)患者進(jìn)行風(fēng)險(xiǎn)分層[11]。Ghorbani 等[12]研究發(fā)現(xiàn)，在2 850 例心血管疾病患者的260 多萬張超聲心動(dòng)圖圖像數(shù)據(jù)集上建立了卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，以識(shí)別局部心臟結(jié)構(gòu)、評(píng)估心臟功能（如左室收縮末期容積和舒張末期容積）、左室射血分?jǐn)?shù)、左心房擴(kuò)大和左室肥厚。AI 應(yīng)用于心臟彩超評(píng)估心臟形態(tài)學(xué)及心功能測(cè)算，已實(shí)現(xiàn)超聲影像輔助分析、心功能的自動(dòng)測(cè)算以及部分疾病的輔助診斷心臟彩超檢查，AI 模型可在獲得超聲心動(dòng)圖像后，自動(dòng)識(shí)別并測(cè)量左室壁相關(guān)指標(biāo)，且其效果與三維超聲心動(dòng)圖和心臟核磁共振檢查（MRI）相當(dāng)[13]。AI 可以通過識(shí)別人類難以評(píng)估的參數(shù)生成心血管事件的預(yù)測(cè)模型。

1.3 心臟計(jì)算機(jī)斷層掃描血管造影

AI 在心臟電子計(jì)算機(jī)斷層掃描（CT）中主要用于冠狀動(dòng)脈狹窄、斑塊性質(zhì)、冠狀動(dòng)脈鈣化的評(píng)估，以及冠狀動(dòng)脈血流建模等的自動(dòng)分析。AI 輔助心臟CT 可自動(dòng)降噪并保證最佳成像質(zhì)量以明確冠狀動(dòng)脈狹窄程度。通過AI 輔助冠狀動(dòng)脈計(jì)算機(jī)斷層掃描血管造影（CTA）評(píng)估冠狀動(dòng)脈狹窄程度、病變狹窄長度、鈣化斑塊、非鈣化斑塊、血流儲(chǔ)備分?jǐn)?shù)等，能更加準(zhǔn)確地反映冠狀動(dòng)脈病變情況[14-15]。AI 輔助冠狀動(dòng)脈CTA 可減少患者暴露放射線，提高CTA 的診斷價(jià)值。

1.4 心臟MRI和心血管磁共振成像

近年來，心血管磁共振成像（CMR）在心臟病患者的診斷和風(fēng)險(xiǎn)分層中越來越重要。CMR 是心室無創(chuàng)性容量檢查、心功能評(píng)估、存活心肌評(píng)估的“金標(biāo)準(zhǔn)”，隨著AI 在醫(yī)學(xué)研究中的應(yīng)用，CMR出現(xiàn)了新的評(píng)估途徑[16]。心肌炎患者心肌MRI 結(jié)果表示為T2 時(shí)可見心肌水腫、充血、壞死、疤痕[17]。心內(nèi)膜心肌活檢存在潛在風(fēng)險(xiǎn)且檢出率低，因此影像學(xué)在心臟結(jié)節(jié)病的診斷和預(yù)后評(píng)估中發(fā)揮著越來越重要的作用。CMR 可用于評(píng)估心臟功能和纖維化區(qū)域，氟脫氧葡萄糖正電子發(fā)射斷層掃描（FDG正電子發(fā)射斷層掃描）可用于觀察疾病進(jìn)程和監(jiān)測(cè)治療反應(yīng)[18]。心肌缺血的無創(chuàng)評(píng)估是冠狀動(dòng)脈粥樣硬化心臟?。ü谛牟。┰\斷的臨床目標(biāo)，使用正電子發(fā)射斷層掃描測(cè)量心肌血流量是目前心肌缺血無創(chuàng)量化的參考標(biāo)準(zhǔn)[19]。

1.5 心血管介入

AI 可應(yīng)用于心血管介入影像數(shù)據(jù)識(shí)別、分析以及決策支持，例如冠狀動(dòng)脈造影結(jié)果分析，臨界病變FFR 的測(cè)定，光學(xué)相干斷層掃描（OCT）自動(dòng)檢測(cè)血管大小，血管內(nèi)超聲（IVUS）對(duì)管腔邊界、中層、外層界線的測(cè)量，薄纖維帽粥樣硬化斑塊與斑塊破裂的鑒別，支架內(nèi)再狹窄風(fēng)險(xiǎn)評(píng)估[20-23]。AI機(jī)器人經(jīng)皮冠狀動(dòng)脈介入術(shù)（PCI）被引入心導(dǎo)管室，為支架放置提供了更高的精確度，并為操作人員提供了臨床防護(hù)。第一代機(jī)器人系統(tǒng)能夠推進(jìn)和縮回冠狀動(dòng)脈導(dǎo)線、球囊和支架，但無方向控制功能。第二代機(jī)器人系統(tǒng)（GRX 公司）具有主動(dòng)導(dǎo)向管理功能，能夠移動(dòng)導(dǎo)向?qū)Ч?。機(jī)器人技術(shù)在診斷性冠狀動(dòng)脈造影術(shù)中的應(yīng)用將進(jìn)一步減少操作人員的輻射散射暴露和其他職業(yè)危害[24]。機(jī)器人輔助PCI 可提高手術(shù)精度和精細(xì)控制，保證有效性和安全性[25]。

2 心血管疾病管理及臨床決策

AI 對(duì)心血管疾病的危險(xiǎn)分層及心血管主要不良事件（MACE）事件具有預(yù)測(cè)價(jià)值。全民健康保險(xiǎn)服務(wù)-健康篩查隊(duì)列（NHIS-HEALS）模型能預(yù)測(cè)隨訪期間死于心血管疾病，因心肌梗死、PCI 或冠狀動(dòng)脈旁路移植術(shù)住院，因中風(fēng)住院，比傳統(tǒng)的統(tǒng)計(jì)方法鑒別準(zhǔn)確性更高[26]。同樣，為了提高心血管疾病預(yù)測(cè)的準(zhǔn)確性，可使用國家時(shí)間序列健康檢查數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)分類[27]。使用機(jī)器學(xué)習(xí)可分析更大數(shù)量和高復(fù)雜度的變量，可更好地預(yù)測(cè)5 年急性冠脈綜合征發(fā)生率[28]。對(duì)收縮壓的變異性以及對(duì)高血壓患者不良結(jié)局的預(yù)測(cè)也有較好效果[29]。目前AI 已可以輔助心電圖、心臟彩超、CTA、冠狀動(dòng)脈造影等檢查，并對(duì)數(shù)據(jù)進(jìn)行分析。在慢性病管理、臨床決策、相關(guān)疾病指南制定中，AI 也逐漸體現(xiàn)優(yōu)勢(shì)[23,30-31]。

3 AI面臨的機(jī)遇和挑戰(zhàn)

目前AI 在心血管病領(lǐng)域有助于危急重癥的快速識(shí)別診斷，降低漏診率，疑難病癥的病因追溯，介入手術(shù)全程決策優(yōu)化及術(shù)者保護(hù)，以及慢性?。ㄈ绺哐獕骸⒐谛牟?、心力衰竭等）的管理及預(yù)后判斷。此外，AI 也可對(duì)以患者為中心的疾病診療、決策和管理發(fā)揮重要作用。如急性心肌梗死患者就醫(yī)時(shí)AI 可輔助心電圖快速檢出，助力心臟彩超對(duì)局限性室壁活動(dòng)障礙的準(zhǔn)確識(shí)別及心功能評(píng)估，鑒別診斷中影像學(xué)的數(shù)據(jù)分析，臨床處理決策流程支持，導(dǎo)管室冠狀動(dòng)脈造影中對(duì)靶血管病變及臨界病變的判斷和處理決策，以及不良事件的預(yù)測(cè)，后期康復(fù)治療的管理等。同時(shí)，AI 進(jìn)一步與可穿戴智能設(shè)備及5G技術(shù)的結(jié)合也將提高慢性心血管疾病綜合管理的效率。未來AI 以臨床大數(shù)據(jù)及不斷改進(jìn)的算法為基礎(chǔ)，整合基礎(chǔ)研究領(lǐng)域如生物標(biāo)志物、基因組學(xué)、蛋白質(zhì)組學(xué)和代謝組學(xué)等，可進(jìn)一步提高其臨床預(yù)測(cè)、決策價(jià)值，助力實(shí)現(xiàn)精準(zhǔn)醫(yī)療并為患者提供更佳的個(gè)體化醫(yī)療服務(wù)，改善患者預(yù)后。

AI 仍有許多技術(shù)挑戰(zhàn)。由于基于機(jī)器學(xué)習(xí)的方法依賴大量高質(zhì)量數(shù)據(jù)的可重復(fù)性，因此必須收集能夠代表目標(biāo)患者群體的數(shù)據(jù)。來自不同醫(yī)院環(huán)境的數(shù)據(jù)可能包含各種偏差，導(dǎo)致針對(duì)一家醫(yī)院的數(shù)據(jù)訓(xùn)練模型不能適用另一家醫(yī)院[32]。雖然AI在圖像分類、翻譯、語音識(shí)別、聲音合成、數(shù)據(jù)分析等領(lǐng)域都取得了顯著效果，但臨床診斷和治療任務(wù)往往需要更多的背景知識(shí)（患者的偏好、價(jià)值觀、病史等）[33]，故要實(shí)現(xiàn)用于收集、存儲(chǔ)和共享電子病歷的數(shù)據(jù)庫仍然面臨挑戰(zhàn)。

AI 提高了醫(yī)療領(lǐng)域的臨床診斷和決策能力。臨床醫(yī)生將需要適應(yīng)AI 在信息采集、信息分析、信息決策中的作用。誰將最終控制、證明或從AI的應(yīng)用中獲利仍有待確定，因此，必須優(yōu)先考慮監(jiān)管保障措施和市場(chǎng)力量之間的平衡，以確?；颊攉@得最大利益[34]。