
人工智能 (AI) 的发展和实施正在极大地改变医学格局,而在介入医学中使用人工智能的潜在好处现在也得到了广泛的探索。本文主要关注人工智能应用于介入手术机器人的进展和挑战。
人工智能给介入手术机器人带来了什么?
介入手术机器人使医生远离x射线危害,在不影响安全性的情况下实现手术和支架植入,并提高了精确度。图像导航是介入机器人的眼睛和大脑,在诊断和介入过程中都起着至关重要的作用。幸运的是,强大的人工智能(AI)技术正在渗透到医疗成像领域,有望为介入机器人创建“眼手脑”协同系统,并优化透视介入程序。
从术前治疗计划到术中成像导航和术后影像学随访,人工智能可以帮助实现图像引导的精准医疗可视化,并为医生提供传统方法无法提供的额外信息。

透视和血管造影是经皮冠状动脉介入治疗(PCI)的主要成像方式,基于医学成像的常规任务包括解剖分类、检测、分割和注册。
通过介入前3D医学数据,医生可以对重要器官和肿瘤的多模态3D图像进行重建和分析,然后在相应的3D交互界面中设置术前治疗方案。计算机模拟方法可以对手术计划的临床执行进行干预前模拟,为医生提供可靠的手术指导。任何形式的多模态图像信息综合利用都称为融合,血管造影图像与CT数据的融合增强了经导管主动脉瓣置换术(TAVR)等手术的3D性能。
在手术过程中,透视是主要的指导工具,但各种血管内方法可能与血管造影程序相结合。由于在使用x射线透视时,支架的可视性往往不是最佳的,因此已经开发了用于支架增强的数字图像处理方法。在冠状动脉介入治疗中,血管的运动防止了静态路线图的叠加,血管内的导航是通过与显示的血管造影图像的视觉比较来完成的,在导管、球囊和支架放置过程中通过额外的造影剂注射来验证路径。动态冠状动脉路线图是一种在手术过程中辅助导航的新型工具,可在用于 PCI 的透视图像上提供冠状动脉树的实时动态叠加。
术后成像因不同成像模式而异,有或无血流储备挑战。患者随访是临床研究的重要组成部分,随着深度学习算法的发展,人工智能可以完成个体后续任务。AI可以访问后台的所有数据,以帮助医生规划和执行最佳的患者预后措施。
人工智能将在分析不断增长的患者数据方面发挥作用,增加相关技术以帮助医生更好地进行图像分析可能会显著影响干预的效率和患者的预后。在未来,一个关键的人工智能增强将是在成像数据中添加临床和实验室数据,以进一步提高系统精度,这些算法将基于机器学习和深度学习算法进行自我改进。
作为一项新兴技术,人工智能将支持介入机器人的持续创新。未来的导管实验室旨在通过人工智能技术实现多种成像模式、在线临床决策支持系统、语音虚拟助手、增强现实平台和自动化/半自动化机器人系统的集成,用于个性化患者管理。

国内外研究进展
目前国内外介入机器人的普及率还不够高。在血管干预行业,还没有相关产品获得国家药品监督管理局(NMPA)的批准,人工智能有望为该行业创造关键突破。
人工智能在介入心脏病学中的应用可分为虚拟和物理两个分支。虚拟子领域包括用于机器学习(ML)、深度学习(DL)、自然语言处理(NLP)和认知计算的信息学,以及控制健康管理系统(即电子健康记录和医疗图像分析软件)和自动化临床决策支持系统,而机器人干预则代表了物理分支。
图像解译:AI可以帮助重构、分析和解释医学图像。整个冠状动脉树的完整重建和分析可以作为机器人辅助程序的输入。HeartFlow已经获得FDA(食品和药物管理局)和NICE(国家健康和临床优化研究所)的批准,用于使用DL无创成像对冠状动脉狭窄进行解剖和功能评估。科亚医疗的DeepVessel FFR是NMPA批准临床使用的首个iii类人工智能医疗设备,并于2022年4月获得FDA批准。西门子Healthineer已获得FDA对TrueFusion的批准,TrueFusion是一种心血管应用程序,集成了先进的超声和血管造影,以改善结构性心脏病干预期间的导航和指导。
临床决策支持:临床决策支持系统(CDSS)与认知计算和使用ML、模式识别和NLP模拟人类思维过程的自我学习系统仍在开发中。IBM Watson Health应用认知技术从电子医疗记录、实验室报告、成像报告、发表的医疗报告、指南和各种Internet资源中提取和分析信息。目前,IBM正在开发Medical Sieve,这是一种为心脏病专家和放射科医生设计的自动化认知助手,旨在帮助临床决策,它已经实现了几种心脏成像模式,包括在血管造影中对冠状动脉狭窄的计算机检测。
大数据集成和疾病预测:ML已被用于心脏病学预测心衰患者的1年死亡率和疑似冠状动脉疾病患者冠状动脉造影数据集的5年死亡率。在一项初步研究中,ML算法预测急诊科胸痛患者心肌梗死的准确率高达94%。2020年,乐普医疗研发的人工心电平台通过国家MPA验收。该系统基于DL技术,使用数千万心电图临床大数据进行训练,自动分析心律失常、心肌梗死、心室肥厚和ST-T异常的准确率达95%。
物理应用—机器人辅助手术:Corindus Vascular Robotics公司于2019年被西门子收购,该公司的CorPath200机器人系统是FDA批准的第一个辅助PCI手术的医疗设备,帮助医生提高放置支架的精确度和准确性。2021年,脉医(博动医疗)发布了新一代AI-QFR冠状动脉精密诊断系统。
挑战
尽管介入程序中与人工智能相关的发展数量呈爆炸式增长,预计很快就会出现指数式增长,但许多挑战必须得到解决。

数据采集和分析协议必须标准化,这本身就是一个挑战,因为数字化标准在临床环境中的实施一直很缓慢。传统的外科手术依赖于医生的经验和主观操作,无法有效规范化,阻碍了数字化和智能化的发展。将AI技术应用于广泛的数据分析,需要对医院内部、医院之间的各种数据源进行高度标准化和集成,并访问来自患者转诊的原始数据和来自门诊随访的结果数据。然而,在大多数国家,每个医疗机构或团体使用不同的患者记录系统;影像数据库与机构内的临床和实验室数据库的整合是有限的。此外,传统外科手术依赖于医生的经验和主观操作,无法有效规范化,阻碍了外科手术数字化、智能化的发展。因此,关键因素是创建具有准确和可靠注释的大质量数据库。
与科学进步一样,人工智能的正确应用取决于正确的科学问题和回答这些问题所需的精确数据源。临床数据收集中的系统性偏差可能会影响人工智能的识别和预测。人工智能算法的可解释性也是一个挑战。自动分析的安全性和可验证性及其对人机交互的影响可能会影响人工智能在临床实践中的应用。医学是一门保守的学科,往往在经过充分论证后采用新颖的方法,必须承诺通过验证过程证明准确性,以确保人工智能能够成功地实施到介入实践中。验证基于人工智能的决策过程的途径应该被探索,并与导管实验室的专家决策进行比较,这样的算法验证是复杂和苛刻的,是一个跨学科的工作。
远程执行高效和安全程序的能力取决于滞后时间。由于介入装置的柔韧性及其在体内复杂的运动特性,可能会产生滞后现象。医生可能会发现导丝在X射线图像上并没有显示出应有的运动,因为大部分的运动被长距离和组织接触所隐藏。更糟糕的是,隐藏的能量会突然释放到一定水平,增加血管损伤的风险。准确预测和补偿这种滞后是人工智能辅助介入程序的一个重大挑战。
机器人技术已经开始进入介入心脏病学领域,现在正在向外周血管和神经血管介入领域扩展。随着人工智能技术在临床实践中的不断进步,它正在彻底改变介入治疗领域。尽管初期存在一些障碍,但我们对人工智能应用于介入手术机器人的前景充满了想象。
原文链接:https://equalocean.com/analysis/2022110319138
---煤油灯科技victorlamp.com翻译整理---