人工智能（Artificial Intelligence, AI）作为新一轮科技革命和产业变革的重要驱动力量，正逐步向人类社会各个领域渗透。

洛杉矶西达赛奈医学中心（Cedars-Sinai Medical Center）成立人工智能医学部，跨学科联合临床医生、AI科学家等人才，希望将人工智能、临床验证和创新整合在一起，以探索更好的诊治心脏病、癌症、传染病等人类重大疾病的最新技术与方法。该部门主管，同时也是Smidt心脏研究所副所长的Sumeet Chugh医生指出：“AI虽然不能直接替代临床医生进行临床诊断，但是研究人员正在利用AI深度学习疾病数据，辅助临床快速检测。我们的最终任务是利用AI工具改善临床诊疗。”

在这里，为大家介绍西达赛奈医学中心近期在AI医学研究方面取得的进展。

01
AI相比肉眼 可更快更准“看懂”心脏病

部分心脏病难以预测和预防，且一旦发作往往危及生命健康。但如果AI能提供一些帮助呢？

AI可辅助检测到肉眼难以发现的心脏病

2022年2月23日，西达赛奈医疗中心的Smidt 心脏研究所的医生和AI科学家在《美国医学会杂志子刊：心脏病学》（JAMA Cardiology）上发表研究文章称，他们首次研发了一种AI工具，其作用在于可以有效地识别和区分两种经常被忽视、但却可危及生命的心脏疾病：肥厚性心肌病和心脏淀粉样变性[1]。

该研究的资深作者，Smidt心脏研究所David Ouyang医生指出：“这两种心脏疾病的确诊，甚至对经验老到的心脏病专家来说都是一项挑战，患者往往要经历几年甚至几十年的时间才能得到正确诊断。我们的AI工具可以早期检出这2种单靠医生肉眼难以检出的疾病，让患者得以早确诊早治疗，避免延误治疗可能导致的心脏衰竭、猝死等情况发生。”

“AI医生”检测心脏病2分钟出结果，准过人类医生!

2022年8月27日，欧洲心脏病学会大会（European Society of Cardiology Congress 2022）上，David Ouyang医生分享了西达赛奈医学中心一项前瞻性双盲试验结果，该研究在真实的临床环境中将AI工具与超声医师对经胸超声心动图评估的结果进行了比较。结果提示，相比于人类超声医师的初始评估结果，AI生成的结果需要心脏病专家校正的比例更少。即使是在需要进行校正的数据中，AI工具做出的即时读数相比于人类超声医师，也更接近标准值。此外，AI平均在2分钟内就能完成对一名患者的读数，在效率方面也十分出色[2]。

尽管这项研究的结果很突出，但大规模地将这个“AI帮手”整合到现有的超声心动图系统之前还有待进一步的性能验证，以评估这款AI工具在不同医疗中心的不同硬件设施上是否也有同样出色的表现。该AI工具若最终得到广泛的性能验证，将大幅度节省人类超声医生和心脏病专家的时间和精力。

AI可改善心脏成像 提高冠心病的诊断准确性

SPECT成像是目前唯一能够评价冠状心脏疾病心肌存活性的影像技术，往往需要衰减校正才能减少心脏图像中的伪影，使其更容易读取和更准确，改善冠状动脉疾病的诊断。然而，衰减校正需要额外的CT扫描和昂贵的混合SPECT/CT设备，辐射较大且价格昂贵，目前仅在少数病例中进行。为了帮助克服这个障碍，西达赛奈医学中心心脏成像创新技术中心主任Piotr Slomka医生与其团队开发了一种名为DeepAC的深度学习AI工具，在这个AI工具的加持下，无需昂贵的混合扫描仪即可生成校正后的SPECT图像[3]。这项研究结果发表在了《核医学》（Journal of Nuclear Medicine杂志）上。

Piotr Slomka医生近期的另外一项发表在《美国心脏病学院杂志子刊：心血管成像》（JAMA：Cardiovascular Imaging）上的研究成果则提示，深度学习过的AI工具，可以直接从SPECT图像预测主要的不良心脏事件，如死亡和心脏病发作[4]。

Piotr Slomka医生说：“在第一项研究中，我们能够证明AI工具可以用于执行重要的图像校正，而无需昂贵的扫描仪。另外一项研究中，我们可以更好地利用图像预测患者心脏病发作或死亡的风险，并通过突出显示表明该风险的心脏图像特征，以更好地给临床医生预警相关的冠状动脉疾病。”

随后，Piotr Slomka医生发表在《欧洲核医学和分子成像》（European Journal of Nuclear Medicine and Molecular Imaging）杂志上的研究则描述了如何扩大该AI工具在更多人群中的检测。一些AI工具是使用心脏病高风险患者的数据进行深度学习与训练的，这可能导致AI工具的疾病检出率被过分高估。为了确保该AI工具可以适用所有人群且表现良好，研究团队对该AI工具进行了数据增强培训。研究团队发现，经过数据增强培训的AI工具可以更准确地预测女性和低风险患者冠状动脉疾病的可能性，且误报率也较低[5]。

“一个更早的、准确的心脏病预测工具，可以把一个个可预防的心脏骤停扼杀在萌芽状态，我们可以挽救更多的生命。我们将继续完善这个AI工具，探索如何将这些方法集成到临床软件中，以及如何将它们用于标准患者护理。”Piotr Slomka医生表示。

02
AI可更快评估新冠肺炎严重程度

新冠病毒蔓延，促使医生寻求更加快捷的诊断方式。除了试剂检测之外，胸部CT的影像识别也成为了筛查的主要手段。但是胸部CT对新冠的疾病负担和患者预后评估缺乏定量测量工具，如病变的大小体积、密度及异常类型等分析数据，往往需要阅片医生手动测量来评估，耗时耗力。

为了帮助克服这些问题，由Piotr Slomka医生主导的，西达赛奈医学中心开发的一个新的、全自动的深度AI工具学习框架，可以帮助临床医生更准确快速地评估新冠肺炎的严重程度。常规的新冠肺炎CT扫描加入AI技术后，由AI系统辅助CT图片分析，AI分析处理一个患者的高清晰度CT图片数据平均只需几秒，而若由CT阅片医生手动测量，大约需30-45分钟才能得出评估。此外，该AI工具一旦发现疑似病例，AI工具系统会自动对可疑区域进行重点识别，统计各个肺部解剖结构中肺炎区域所占的比例，为医生进一步决策提供详细的定量数据。同时，对异常的病例还会自动报警。

如今，该工具已经投入西达赛奈医学中心新冠感染相关的各项多中心临床研究中。Piotr Slomka医生指出：“人工智能辅助图像分析有助于改进新冠肺炎患者的临床评估，可以更准确地为患者提供最佳治疗方案。”

03
AI可检测出癌症早期迹象

胰腺癌是一种恶性程度极高的消化系统肿瘤，素有“癌中之王”的称呼。由于临床症状隐匿且不典型，大多数情况下，患者一经确诊就是中晚期。

西达赛奈医学中心生物医学影像研究所所长Debiao Li医生与其团队研究人员合作开发了一款人工智能工具，或可用于检测因腹痛或其它疾病而接受CT扫描的患者，并做出早期胰腺癌检测。Debiao Li医生说：“这个AI工具，能够在胰腺导管癌发生前几年的CT扫描中，就捕捉并量化非常细微的早期迹象，而这些迹象往往是肉眼无法识别的。这个工具为早期发现胰腺癌、早期手术根治胰腺癌提供了可能，帮助挽救更多人的生命。”

04
AI助力“急危重症”快速诊断

西达赛奈医学中心的影像科医生开发了AI工具，用以更快、更准确地检测危及生命的疾病，如中风、肺栓塞、颈椎骨折等急危重症。AI工具的使用还缩短住院时间，自从西达赛奈医学中心影像科开始使用AI工具以来，脑出血患者的平均住院时间减少了1.7天。

影像科联合主任Marcel Maya医生表示：“我们正在研究缩短住院时间的这一结果，是否与AI工具可帮助更快的诊断与治疗有关。在这些危及重症中，更快的诊断与治疗可以帮助临床医生更快地对患者进行准确的诊疗，从而减少和预防疾病并发症。”

Sumeet Chugh医生说：“AI工具在医学的应用具有广泛的前景，除了辅助影像诊断，未来AI医学还将引领我们探索更多更新颖的疾病治疗方法，最终覆盖疾病诊断、预测与治疗等各个方面。”

参考资料：
1. Duffy G ， Cheng P P ， Yuan N ， et al. High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy with Cardiovascular Deep Learning[J]. JAMA Cardiology, 2022. from:https://www.escardio.org/The-ESC/Press-Office/Press-releases/Artificial-intelligence-assessment-of-heart-function-is-superior-to-sonographer-assessment

2. ESC 2022：Ultrasound AI outperforms human clinicians in randomized, blinded study. Retrieved August 27, 2022.  from:https://www.fiercebiotech.com/medtech/esc-2022-ultrasound-ai-outperforms-human-clinicians-randomized-blinded-real-world-study

3.akash D. Shanbhag, Robert J.H. Miller,  et al.Deep Learning-based Attenuation Correction Improves Diagnostic Accuracy of Cardiac SPECT.Journal of Nuclear Medicine, September 2022, jnumed.122.264429; DOI：https://doi.org/10.2967/jnumed.122.264429

4.Ananya Singh, Robert J.H. Miller, Yuka Otaki, et al.Direct Risk Assessment From Myocardial Perfusion Imaging Using Explainable Deep Learningg[J]. Am Coll Cardiol Img. 2023 Feb, 16（2）209–220.  from:https://www.jacc.org/doi/abs/10.1016/j.jcmg.2022.07.017

5.Robert J. H. Miller, Ananya Singh, Yuka Otaki,  et al.Mitigating bias in deep learning for diagnosis of coronary artery disease from myocardial perfusion SPECT images .European Journal of Nuclear Medicine and Molecular Imaging volume 50, pages387–397（2023）.  from:https://link.springer.com/article/10.1007/s00259-022-05972-w

6.Late-Breaking Heart Research：AI More Accurate Than Technicians .www.cedars-sinai.org

7. AI Improves Accuracy of Heart Condition Diagnosis .www.cedars-sinai.org

8.AI Model Helps Diagnose Severity of COVID-19 Pneumonia .www.cedars-sinai.org

9. Artificial Intelligence at Cedars-Sinai .www.cedars-sinai.org