近日，Lancet子刊eBioMedicine发表的中国医学科学院阜外医院吴永健团队的一项研究显示： 基于深度学习的命名为“FORSSMANN”的算法，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。
并且，经过多中心大样本量的多重验证后可以确认这种算法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、稳健性和可解释性。
据悉，该研究为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。
该研究分析了全国20家中心1352例主动脉瓣瓣膜病患者的主动脉根部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。
在验证FORSSMANN评估进度时，首先由核心影像实验室两位资深医生进行一致性验证，之后这两位医生又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。
随后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稳健性。
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。
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。
研究者还使用专门的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。
这意味者，这种自动算法，在确保评估精度的同时，还极大程度地提升了TAVR术前评估的效率，降低了测量评估的工作强度。
来源：Wang M, Niu G, Chen Y, et al. 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. EBioMedicine. 2023 Sep 9;96:104794.