就目前而言，醫生檢查患者心肌梗塞的主要方式有兩種：心導管、冠狀動脈電腦斷層掃描（CT）。
心導管檢查是將導管伸入心臟冠狀動脈，注射顯影劑，再利用X光檢視血管的血流狀況、病灶位置與嚴重程度。這是目前最準確的冠狀動脈疾病檢查方法，但是像這樣「侵入式」的檢查，很容易使患者產生恐懼。
相較之下，僅需注射顯影劑的電腦斷層掃描，成為接受度較高的替代方案。但這項檢查方式沒有健保補助，一次費用約2.5萬元，並非人人負擔得起。
AI克服斷層掃描死角，分析準確度94％
在AI的輔助下，檢查方式出現了「第三條路」，民眾可在接受一般健檢中的低劑量肺部電腦斷層時，同時得到心血管疾病的風險預測。
「這種方式可稱為影像『加值判讀』（opportunistic imaging），藉由一項檢查得到多種身體資訊。」台大醫院心血管中心心臟檢查室主任、台大醫學院內科教授王宗道表示。
透過與輝達（NVIDIA）合作，台大醫學院、台大醫院團隊開發出目前全世界唯一可自動分析、計算「心臟主動脈鈣化／脂肪」的AI模型HeaortaNet，將醫師判讀影像所需時間，從約40分鐘壓縮至0.4秒，分析準確度達94％。這項AI模型累計已在台大醫院影像醫學部、健保影像資料庫，使用於逾5,000個病例。
王宗道以地下道的汙泥淤積，來比喻了解主動脈「鈣化」程度的重要性。
血管就像一條條下水道，過多膽固醇沉積在血管中，會形成「斑塊」；當斑塊狀態不穩定，就容易造成血管破裂，或不斷累積在內壁，最終導致血管狹窄、血流不順暢。一旦斑塊從汙泥變「水泥」，表面出現一層堅硬外殼，就稱作鈣化。
雖然血管出現斑塊或鈣化，不代表人體一定會罹患心血管疾病，但是冠狀動脈鈣化程度愈高，與發病與否確實呈正相關。
傳統的心臟主動脈檢查方式，需由心臟內科醫師、放射科與影像醫學科醫師共同標註斑塊位置，並如同畫重點般，描出血管內、外緣位置，判斷是否出現血管狹窄情況。
但由於心臟CT影像是由6個角度投影生成，還是有死角存在，必須仰賴醫師的經驗判斷。
台大的這套AI分析模型，不但能分析心臟主動脈的鈣化指數，且能區分升主動脈、降主動脈等類別，較臨床醫師的建議更詳細；還可以計算出俗稱「心臟包油」的程度。
針對「心臟包油」，王宗道進一步解釋，人體心臟外圍有一層薄膜（心包膜），膜與心臟間有一層脂肪，叫做心周脂肪（即俗稱心包油），一般來說含量不會超過150ml。過去在臨床給患者建議時，即使拿到CT影像，由於無法自動區分心包膜並計算心周脂肪量，僅能以心周脂肪局部厚度判斷風險。如今透過AI模型自動計算，就可以精準計算心包膜脂肪與預測心血管疾病的住院／死亡機率。
心臟建模、拉直血管，AI把關梗塞風險
關於AI模型的強大成果，王宗道將之歸功於科技部「AI醫療影像標註資料庫計畫」，由台大暨8大醫學中心團隊及多領域專家，組成台灣心血管人工智慧聯盟（Taiwan CVAI），協力標註超過3,500人次的心臟影像，才有機會打造出後續模型。
這套AI模型目前也和健保資料庫串接，在健保署平台建置「國人心血管疾病風險預測系統」，提供全國醫療院所影像報告及風險預測。未來還可結合健康存摺，讓患者與主治醫師討論是否將預測結果應用於臨床。
不過，王宗道也強調，「心臟／主動脈鈣化分析，都不算最直接的心血管疾病判斷方式，重點還是在冠狀動脈。」因此，台大醫院還開發出一套「冠狀動脈疾病CT影像輔助診斷系統」，可以分析CT影像、在系統中「還原重建」心臟模型，同時繪製出3條冠狀動脈，還會「模擬拉直」血管、快速計算血管直徑，以判斷是否出現血管狹窄情形，目前約有88％的分析準確度。
「替內科醫師節省時間、提供患者相對精準的風險建議，都只是AI心血管應用的起步而已，」王宗道期待，「台灣還需要持續有更多的預防、預測模型來對抗心肌梗塞。」
責任編輯：張庭銉、林美欣
