解放军总医院实践：浅谈医疗大数据与人工智能技术在心血管疾病诊疗中的应用

专题速览

2019年

第二期

<<  滑动查看下一张图片  >>

这是此专题

第5篇文章

全文字数：3000余字

关于作者

陈韵岱，中国人民解放军总医院心内科主任，主任医师，博士生导师

心血管疾病是严重威胁人民生命健康的头号杀手，《中国心血管病报告2017》指出，我国心血管病现患人数2.9亿，心血管病死亡占居民疾病死亡构成40%以上，居首位，高于肿瘤及其他疾病。今后10年心血管病患患者数仍将快速增长，心血管病负担日渐加重。因此如何降低医疗费用、提高治疗效果已经成为目前医疗领域关注的热点。 自2018年6月起， 在中国健康促进基金会大数据与智能医学发展基金的资助下，中国人民解放军总医院心内科与第三方研究院展开合作，以智能心电为切入点，探索医疗大数据与人工智能技术在心血管疾病诊疗中的应用。

人工智能在心血管疾病诊疗中的应用

01

心电图智能诊断

目前，国内外对心电图的智能诊断已经开展了研究。

梅奥中心基于心电图采用人工智能的方法实现了左心室功能不全的诊断。斯坦福大学吴恩达团队用卷积神经网络达到了专家级的心率失常检测。美国AliveCor基于人工智能KardiaPro平台实现了对早期房颤的监控。法国医疗科技公司CardilogsTechnologies将AI用于动态心电图监控。苹果手表采用“人工智能+心电图”来检测评估心脏异常……

但是，这些方法或系统大多是基于单导联或双导联的心电信号，在实际的12导联心电图的诊断上，丢掉了很多有用的信息。另一方面，现有的心电图智能诊断方法的数据基础都是基于设备本身采集的单纯心脏搏动电信号。而由于心电设备各自具有不同数据结构和格式标准，导致这些心电图智能诊断产品缺乏通用性，不能适用于其他设备采集到的心电信号。
我们采用12导联心电图图像的作为数据基础，以确保其通用性和实用性；以高年资的心电图医生进行数据精标注，并结合临床信息进行分析，以保证数据质量；基于深度神经网络的统计建模步骤中，将心电图图像按照导联信号 分割，以分割后的小块图像patch作为网络输入进行训练，采用卷积神经网络（CNN）作为训练模型，网络的输入层为12通道的心电信号向量（心电信号时长为3~4个心跳周期），网络输出为心电图波形的类别信息。 围绕心电图的智能诊断，不断优化算法、结合云平台的计算支持，持续改善心电诊断结果。
目前在心律失常诊断方面，心电智能诊断模型的准确率与灵敏度都达到了 95% 以上，随着数据量的积累，模型性能还在进一步提高，这部分的成果我们计划在2019年的心脏影像及心脏干预大会上发布。

02

心血管医学影像智能分析与影像组学研究

医学影像在心血管疾病诊断、治疗与术后评估中发挥着重要的作用。超声心动图可实时显示心脏和大血管结构，反映血流速度和类型，评估心功能状态，是诊断瓣膜性心脏病的金标准；冠脉CTA可三维显示冠脉管腔狭窄，定位斑块等病变，评估斑块成分与稳定性，对PCI等手术规划和术后评估有重要意义；冠脉造影是心脏与血管系统检查的金标准，同时也是介入手术引导的最主要成像手段；而血管内超声（IVUS）和光学相干断层成像（OCT）可更好实现血管横切面的图像，OCT对管腔狭窄评估更精确，而IVUS对斑块成分分析更有优势。   越来越多的证据显示，以深度学习为核心的人工智能技术在心血管医学影像智能分析领域正发挥着重要的作用，性能不低于甚至超越了传统的影像处理方法。由于医学影像的标准化程度更高，数据相对集中，基于深度学习的医学影像智能分析发展迅猛，产品迭代速度更快，目前在心血管系统解剖结构与血流动力学分析方面已取得了令人瞩目的结果。
另一方面，基于医学影像特征提取与深度数据挖掘的影像组学方法已经在肿瘤诊断、治疗和预后方面取得了大量成果，但是在心血管领域仍未有深入的研究， 这也是今后心血管人工智能探索的一大方向。 我们利用医院丰富的医学影像数据资源，采用深度学习方法，在心血管影像智能分析方面也取得了比较好的成果。

03

疾病预测与筛查

在医疗卫生系统中，鉴别高风险或高医疗费用患者的风险预测模型是常用的大数据分析工具，有助于提高治疗效率。单纯的心电图在疾病诊疗中的作用有限，但如果与其他临床大数据相结合，则能在疾病预测与筛查等方面发挥巨大作用。

约翰霍普金斯大学的B.A.Venkatesh等利用心电、医学影像和其他临床信息进行动脉粥样硬化预测。新加坡科技局资讯通信研究院的P.P.San等利用患者心电与生化信息进行糖尿病检测。那不勒斯大学的P.Melillo等基于心率变异性数据挖掘，进行高血压心血管事件发生的风险预测。301医院已建立了国内首家医疗大数据国家实验室，为各个临床学科人工智能研究提供了坚实的数据支持。

04

个性化治疗

心血管疾病种类繁多，不同患者的临床表现与术后转归也存在很大的差异性。 医学作为一种循证科学， “证据指导实践，实践呼应证据”才能走向更好的发展。 大数据分析通过各种繁杂的数据，包括电子病历、医学影像以及“组学”数据，可显示疾病表型间的差异，与实际患者临床转归与术后随访信息相应征，可以为患者提供个性化的治疗方案。治疗方面的差异性、治疗反应的个体差异以及治疗的不同临床转归必然是未来医疗健康领域的主要问题。  

应用过程中的挑战

01

临床证据不足

目前医疗人工智能的技术发展方兴未艾，但临床结果还需要时间去验证， 目前的研究成果主要还是在应用的可行性、潜在作用或者简单场景下对效率或准确率的提高方面，还没有坚实的证据表明人工智能或大数据分析会改善心血管疾病的诊疗与预后，这也增加了应用人工智能技术进行实际临床诊疗的顾虑。
我们的实践过程中同样遇到这样的问题，随着数据量的增加、深度学习模型的优化，智能诊断的性能不断得以提升，但诊断准确率从95%提高到98%并不能直接证明其对心血管疾病诊疗的改善，相应的临床证据的搜集还需要不短的时间。

02

数据标准不足，数据一致性、完整性、规范性亟待提高

人工智能的基础是大数据，在现有的临床信息系统中，由于数据标准的缺失或者不统一，造成数据质量、一致性与完备性都较差，尤其是患者离开医院后随访数据的缺失，这就造成了深度学习过程中数据清洗成本高、临床结局与风险预测模型构建困难，并且准确率低、可迁移性差。 医院需要依据国家标准，规划好医院信息平台， 在电子病历、集成平台、临床数据CDR等建设上符合国家规范要求，在网络空间安全防护机制建立的情况下，让医疗数据在区域内也能实现互联互通，在高质量数据的基础上运用人工智能技术。

03

临床整合缓慢

人工智能在医疗行业的运用一定是一个逐步、长期的过程，医院需要认真考察合作厂商，厂商需要有医疗行业和人工智能技术两方面背景，有可持续发展的能力，这样医院才能与厂商建立长期、信任、合作的关系，将人工智能技术切实整合到临床工作流程中，进而取得临床功效。
目前，医院对医疗数据越来越重视，指导心血管疾病临床实践和研究的高质量数据正在逐步增长，大数据分析在改善心血管疾病治疗及预后方面潜力巨大。同时，医疗人工智能技术的应用，能够弥补当前人力资源不足的问题，而且随着医疗级可穿戴设备的发展与成本的下降，可以实现心血管疾病高风险人群体征数据的持续监测与智能分析，从而能够做到早发现、早治疗，提升大众健康。最后，得益于对海量数据处理能力的优越性，人工智能可以提高医疗的准确度，从而更好地辅助临床医生进行诊断治疗。   医疗人工智能技术的应用，能够弥补当前人力资源不足的问题，而且随着医疗级可穿戴设备的发展与成本的下降，可以实现心血管疾病高风险人群体征数据的持续监测与智能分析，从而能够做到早发现、早治疗，提升大众健康。得益于对海量数据处理能力的优越性，人工智能可以提高医疗的准确度，从而更好地辅助临床医生进行诊断治疗。

专题相关文章推荐

专题预告！与临床一起，探索医疗人工智能的可能性

轮值主编王奕：人工智能，是一种追求

专题收藏版！辩证解读医疗信息化建设应如何借力临床思维

华山医院：试水人工智能，如何填补从数据到临床应用的空白区？

上篇：南京鼓楼医院基于人工智能的MDT系统上线始末

下篇：盘活数据，南京鼓楼医院信息中心是这样支持临床AI探索的

-END-

微信改版

星标/置顶 e医疗

深度好文不迷路哦~

近期专题推荐点击阅读

“医疗信息化十年——2008到2018”系列专题同时刊登在2018年第6期和2019年第1期上，欢迎订阅（后台回复“订阅”获取订阅方式）。

特辑收藏版！医疗信息化十年

专题收藏版！辩证解读医疗信息化建设应如何借力临床思维

 “安全+”专题     数据质控“相对论”    新旧IT

DRGs     医学影像信息化变革的起点

医学装备智能化

CHIMA第三届委员名单

琚文胜：以色列数字医疗考察记

三级公立医院绩效考核启动

专题：医疗IT青年人的风采

聚焦医疗大数据建设发展

……

更多专家和主题

请在菜单栏“搜往期”输入关键字查看。

杂志订阅

微信后台回复“订阅”获取订阅方式

©以上文章来源

e医疗原创文章，转载请注明来源。