聯手NVIDIA打擊台灣第2大死因!台大醫院如何在0.4秒內算出「心臟包油」程度?

2020.11.02 by
吳元熙
聯手NVIDIA打擊台灣第2大死因!台大醫院如何在0.4秒內算出「心臟包油」程度?
侯俊偉攝影
心肌梗塞,多年來都是台灣人前10大死因的第2名(第1名為癌症)。在對抗這項健康殺手的漫漫長路上,AI的助力,讓我們戰勝疾病機率更高了些。

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。

台大醫院醫師王宗道認為,AI在心臟「冠狀動脈」的鈣化、血管狹窄分析,能替預防心肌梗塞帶來更大貢獻。
侯俊偉攝影

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。

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)。
Taiwan CVAI

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。」

數位時代製作

本文出自數位時代318期11月號《台灣下一個世界級產業:智慧醫療》封面故事

責任編輯:張庭銉、林美欣

延伸閱讀

每日精選科技圈重要消息