编者按:TAVR手术术前评估是人工瓣膜选型及手术策略制定的关键决策依据。作为中国TAVR领域的标志性人物,吴永健教授带领团队持续致力于TAVR术前影像学评估理论探索和方法创新,其率先提出的瓣环上结构多平面测量方法已经广泛应用于临床。此次,吴永健教授团队将多年的临床经验与技术积累反复淬炼、厚积薄发,开人工智能赋能结构性心脏病诊疗之先河,实现了基于深度学习的TAVR术前影像学评估这一关键突破。本文将详细解读此项研究的重要成果。后续,严道医声网将携手吴永健教授团队,对人工智能结构性心脏病领域的科研成果进行全景式呈现,敬请关注。
近日,由中国医学科学院阜外医院吴永健教授团队领衔开展的人工智能+TAVR原创系列研究之——《Development and validation of a deep learning-based fully automated algorithm for pre-TAVR CT assessment of the aortic valvular complex and detection of anatomical risk factors: a retrospective, multicentre study》(基于深度学习的TAVR术前主动脉瓣复合区CT评估及解剖风险因子检测全自动算法的开发与验证:一项回顾性、多中心研究),正式刊登在国际医学权威期刊《柳叶刀》子刊《eBioMedicine》。这项研究是全球首个基于人工智能的TAVR术前CT影像评估及解剖风险因子检测方法开发与验证的大规模、多中心研究,该研究成果有望为结构性心脏病介入治疗的策略制定、风险评估和质量控制提供一种全新的智能化决策模式。同时,文章在国际顶级医学期刊发表也标志着中国原创的TAVR新技术和新方法已达到崭新高度,有能力深度参与国际医学竞争,有实力参与重构国际TAVR产业创新格局。
研究亮点
吴永健教授团队依托国家重点研发计划项目——老年瓣膜性心脏病标准评估体系及优化治疗路径研究(China-DVD2),发挥临床经验、海量数据、算法科学所形成的合力,经过反复优化打磨和近乎苛刻的测试验证,力求实现术前评估全场景、自动分析全链条,解剖分型全覆盖,以数智化、标准化、精细化、实质化的要求解决一系列科学问题。该研究凸显出以下亮点:
- 覆盖面广,样本量大,解剖结构极具代表性、多样性和复杂性。研究覆盖全国20家中心、共入组1352名主动脉瓣瓣膜病患者,样本量远超于同类型研究,符合中国患者人群主动脉瓣解剖结构复杂、二叶瓣多发及钙化严重的特点。入组病例充分体现中国患者解剖结构的代表性,瓣叶分型包括三叶瓣、Type 1型二叶瓣、Type 2型二叶瓣、Type 0型二叶瓣,而同类研究普遍将二叶瓣排除;同时,入组病例充分体现病变的复杂性(如高钙化、窦部结构变异、冠脉开口异常等),而同类型研究普遍未涉及如此复杂的解剖结构。
2.真正意义上实现了TAVR术前主动脉根部CT影像的全自动全量数据评估。相较于既往同类研究,该研究成果真正做到了无需人工干预、无需手动验证确认,仅需导入CT影像即可获得TAVR术前主动脉根部评估所需的全量评估结果。
3.研究设计全面缜密,验证完备充分,统计数据翔实。该研究构建了覆盖20家中心的庞大数据集,独创了特定解剖结构目标空间坐标和全量几何参数测量值双重验证机制,首次实现人工智能算法与高年资医生、低年资医生对主动脉根部CT评估在精度与效率上全面科学验证和统计分析。
4.创造性地引入解剖风险因子的理念并加以验证。该研究综合临床指南、专家共识及众多临床研究成果,总结提炼包括5类异常解剖结构的特征作为风险因子,通过对解剖风险因子的检出,从而间接起到对与之相关的术中并发症风险的提示作用。
研究背景、方法与结果
经导管主动脉瓣置换术已成为老年主动脉瓣狭窄患者的一线治疗手段。术前利用CT影像对主动脉根部结构进行精确评估是TAVR成功的重要基础。根据指南,CT影像学评估是TAVR术前影像学评估的金标准,通过分析能够帮助临床医生全面细致地了解患者主动脉瓣复合区的解剖结构,该评估是患者筛选、手术策略制定、风险评估的重要依据。然而,主动脉根部结构测量繁琐复杂,人工分析测量耗时耗力,且观察者间一致性较差。
为了提高TAVR术前CT影像评估的自动化、智能化程度,曾有研究采用影像学算法或人工智能方法进行探索,但由于主动脉瓣解剖结构复杂、病理改变多样,始终需要人工进行确认与校正,无法实现真正意义上的全自动高精度评估。鉴于此,该研究的目标是开发并验证一个基于深度学习技术的全新算法,能够自适应分析各种解剖变异及严重病变结构,完全无需人工干预地实现主动脉瓣复合区的全量数据评估,并根据评估结果分析解剖风险因子。该研究为致敬心脏导管介入手术的先驱Werner Forssmann博士,该算法代号FORSSMANN。
该研究连续入组参与CHINA-DVD2的20家国内顶尖中心的1352名患者的主动脉根部CT影像数据,经预处理、多目标高精度数据标注后构建模型训练集、验证数据集并进行深度学习模型开发和训练。
FORSSMANN的核心算法由解剖结构自动分割模块和定位测量模块构成。分割模块采用经过优化的nn-Unet粗/细二阶段分割模型,粗分割阶段用以分割主动脉、左心室等较为显著的目标,细分割则在粗分割基础上处理如各个独立的主动脉瓣瓣叶等较为精细的目标。分割模块经过分阶段的性能验证和消融实验验证,证明算法推理模型对于多目标解剖结构的分割具有极高的可靠性。
解剖结构分割数据流进入自动定位测量模块后,FORSSMANN将自动判断瓣叶分型(二叶式或三叶式)并转入与之适配的分析流程。
经过中心线提取、血管拉直、特定解剖结构目标定位、轮廓勾画等一系列复杂自动流程后,FORSSMANN算法即可完成自动定位测量瓣环、瓦氏窦(SOV)、窦管交界(STJ)、升主动脉(AA)、主动脉成角、双侧冠脉开口高度、钙化量(HU850)等参数。
全面验证FORSSMANN的评估精确度是该研究的重中之重,为此研究者设计了周密的多层次递进式验证机制。在此验证机制中,首先由核心影像实验室两位资深医生进行一致性验证,确保评估标准体系的可靠性。
第二,请上述两位资深医生分别使用不同的软件工具对验证集数据进行特定解剖结构目标空间坐标标定和TAVR术前评估全量数据测量以实现FORSSMANN算法定位和测量准确性的双重验证。定位验证项目包括窦底最低点、冠脉开口下缘最低点空间坐标,通过对比验证发现FORSSMANN算法对于特定解剖目标的空间定位与资深医生定位结果极为接近。
测量验证项目包括主动脉瓣环、STJ、升主动脉的周长导出径、SOV径线、双侧冠脉开口高度、钙化量(HU850)、主动脉成角等参数测量值,通过对比验证发现FORSSMANN算法与资深医生对上述指标的评估结果具有高度的一致性。
第三,研究者基于验证数据集构造了重度钙化亚组(钙化量大于600 mm³)和二叶瓣亚组,充分评估病理改变和解剖变异对算法测量精度的影响。结果显示FORSSMANN算法与资深医生的测量一致性在两个亚组中未体现出显著差异,从而表明算法具有较高的鲁棒性。
第四,以资深医生评估结果作为参照标准,在验证集中比较FORSSMANN与低年资医生关于主动脉瓣环周长导出径这一核心指标的评估差异。验证结果表明FORSSMANN算法更加接近于资深医生的评估结果。
第五,该研究中提出了包括横位心、升主扩张、重度钙化、异常窦部空间、低冠脉开口在内的可能导致术中并发症的五类解剖风险因子,并制定了相应的判定规则。在研究中充分验证资深医生和FORSSMANN对五类六项解剖风险因子检出的一致性。结果显示FORSSMANN算法与资深医生对于解剖风险因子的判定具有较高的一致性。
该研究的另一个重点是验证算法对评估效率的提升。研究者用专用软件分别采集了手动评估及FORSSMANN算法自动评估的总耗时及手动操作鼠标的移动距离。结果显示FORSSMANN算法平均分析一例用时约1分钟,显著优于资深医生的评估耗时。上述验证证明了在确保评估精度的同时,自动算法极大程度地提升了TAVR术前评估的效率,降低了测量评估的工作强度。
结论与展望
基于深度学习的FORSSMANN算法实现了无需人工干预的真正全自动一站式TAVR术前主动脉瓣复合区CT影像评估的全部功能,经过多中心大样本量的多重验证后可以确认其具有出色的可靠性与稳定性。特别是FORSSMANN算法能够应对的各种解剖形态和病理改变,较其他研究体现出更好的泛化性、鲁棒性和可解释性。
目前,FORSMMANN算法初步可视化效果呈现形式如文中视频所展示:
编后语
FORSSMANN算法的开发与验证研究完成后,吴永健教授团队将在此研究奠定的坚实基础上,持续深挖人工智能赋能结构性心脏病介入治疗的技术潜力,着力探索多平面测量、人工瓣膜选型、外周血管入路评估等亟待解决问题的智能化方案,并在条件成熟时启动前瞻性、国际化的大规模随机对照研究。据了解,在核心算法持续优化迭代、提升性能、完善功能的同时,由FORSSMANN算法驱动的全新平台也即将完成工程化开发和云平台部署。相信以此为契机,FORSSMANN算法将推动中国TAVR领域更多的高质量科学研究、助力更多TAVR产品实现智慧化升级、加速促进结构性心脏病产业的数字化转型。未来已来,将至已至,唯变不变,人工智能擘画的创新蓝图已经展开,结构心领域的创新应用必将在其中书写浓墨重彩的一笔。