推進(jìn)人工智能在腦血管病精準(zhǔn)診療中的應(yīng)用

摘要腦血管病具有發(fā)病率高、病死率高、致殘率高和復(fù)發(fā)率高等特點(diǎn)，嚴(yán)重危害人類健康和患者的生存質(zhì)量。人工智能技術(shù)通過學(xué)習(xí)臨床和影像等數(shù)據(jù)，自動(dòng)提取與腦血管相關(guān)的疾病信息，有效降低主觀因素干擾，在疾病的早期篩查、風(fēng)險(xiǎn)預(yù)警、精準(zhǔn)診斷、指導(dǎo)治療、療效評估與預(yù)后預(yù)測等方面均取得了重要進(jìn)展，已經(jīng)成為臨床有效的輔助決策工具。腦血管病已躍升為我國疾病死因的首位，主要包括缺血性腦卒中、出血性腦卒中、腦動(dòng)脈瘤、血管畸形等。隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，使得基于人工智能的腦血管病早期篩查、診療及預(yù)后評估逐漸成為可能。人工智能技術(shù)以數(shù)據(jù)驅(qū)動(dòng)的方式，通過學(xué)習(xí)臨床和影像等數(shù)據(jù)，自動(dòng)提取與腦血管疾病相關(guān)的信息，可有效降低主觀因素干擾，有利于更為客觀的精準(zhǔn)診療評估。本文從利用人工智能技術(shù)優(yōu)化腦血管疾病診治流程的角度，闡述人工智能在腦血管病預(yù)警、輔助診斷和預(yù)后評估等方面的研究現(xiàn)狀及挑戰(zhàn)，以期推動(dòng)人工智能新技術(shù)在腦血管疾病中的應(yīng)用。一、人工智能在腦血管病早期篩查中的應(yīng)用篩查腦卒中高危風(fēng)險(xiǎn)人群，強(qiáng)化對高危風(fēng)險(xiǎn)因素的一級預(yù)防，可有效降低腦卒中的發(fā)生率。自1991年發(fā)布的弗明漢腦卒中風(fēng)險(xiǎn)預(yù)測模型開啟了腦血管病風(fēng)險(xiǎn)評估的序幕以來，匯集隊(duì)列方程、卒中風(fēng)險(xiǎn)計(jì)算器、KSRP模型、QStroke模型等人工智能模型的先后出現(xiàn)，對腦卒中預(yù)警及風(fēng)險(xiǎn)預(yù)測逐步得到提升。隨著醫(yī)學(xué)影像、基因檢測和人工智能技術(shù)的融合發(fā)展，目前已經(jīng)可以從基因?qū)用鎸δX卒中的發(fā)病風(fēng)險(xiǎn)進(jìn)行評估；而應(yīng)用深度卷積神經(jīng)網(wǎng)絡(luò)對眼底圖像進(jìn)行分析，可實(shí)現(xiàn)缺血性腦血管疾病的風(fēng)險(xiǎn)預(yù)警。雖然這些腦血管病篩查預(yù)測模型已經(jīng)被廣泛應(yīng)用，但大多聚焦于腦卒中的分析，對其他亞型的研究鮮有報(bào)道；新的多源融合數(shù)據(jù)預(yù)測效能參差不齊，樣本量相對較少，有待前瞻性、大樣本的驗(yàn)證。二、人工智能在腦血管病快速診斷與評估的應(yīng)用腦血管病具有發(fā)病急、進(jìn)展快的特點(diǎn)，尤其是急性缺血性腦卒中的有效治療時(shí)間窗較短，診斷具有一定的時(shí)效性，需要在短時(shí)間內(nèi)瀏覽大量結(jié)構(gòu)和功能的信息，高度依賴于醫(yī)師對神經(jīng)影像表征的判別。而采用人工智能分析圖像具有快速、準(zhǔn)確的優(yōu)點(diǎn)，在急性缺血性腦卒中診斷流程中的圖像采集、病灶量化識(shí)別和鑒別診斷等方面均有顯著優(yōu)勢。如通過輔助放射科醫(yī)師檢測CT平掃中早期不可見的急性缺血性腦卒中，可縮短診斷時(shí)間并提高診斷準(zhǔn)確度；自動(dòng)分割出與人工勾畫一致的病灶體積、對缺血半暗帶范圍的評估及梗死核心的確定，可以更好地評價(jià)可挽救的腦組織；自動(dòng)檢測大血管閉塞，可對溶栓或者取栓治療方案的確定具有指導(dǎo)意義。在其他腦血管病方面，人工智能可精確量化病灶位置和形態(tài)信息，對不同腦出血類型實(shí)現(xiàn)健壯和穩(wěn)定的分割；可融合臨床信息與影像信息自動(dòng)識(shí)別動(dòng)脈瘤位置和大小；可識(shí)別煙霧病的隱性危險(xiǎn)因素、評估不同因素的權(quán)重以及定量評估煙霧病顱內(nèi)出血風(fēng)險(xiǎn)；通過多模態(tài)高分辨率MRI序列及MRA對動(dòng)靜脈畸形患者的動(dòng)脈、靜脈、腦實(shí)質(zhì)、腦脊液和栓塞血管進(jìn)行分割，智能量化和分析病灶，可有效降低病灶檢測和分割時(shí)間，提高醫(yī)師對疾病診斷的可重復(fù)性，減少主觀因素的干擾，對于患者的早期診斷和治療決策的選擇有積極指導(dǎo)作用。目前針對腦血管病神經(jīng)影像輔助診斷的人工智能研究相對較多，但不同類型的研究缺乏系統(tǒng)性，不同機(jī)構(gòu)的大數(shù)據(jù)缺乏規(guī)范性與統(tǒng)一性，從而影響其快速識(shí)別病變與疾病評估中的準(zhǔn)確度，今后仍需要大樣本的標(biāo)準(zhǔn)化腦血管病數(shù)據(jù)庫反復(fù)交叉驗(yàn)證方能在臨床廣泛應(yīng)用。三、人工智能在腦血管病預(yù)后評估中的應(yīng)用預(yù)后評估及預(yù)測對降低腦血管病復(fù)發(fā)率和死亡率至關(guān)重要。早期對腦血管病預(yù)后的評估多基于多項(xiàng)大型隊(duì)列研究之上的一系列預(yù)測評分量表，如評估功能殘疾程度的改良Rankin量表評分（modifiedRankinScale，mRS）和評估神經(jīng)功能損傷的美國國立衛(wèi)生研究院卒中量表等，主觀干擾因素較大。人工智能可對影像和臨床指標(biāo)進(jìn)行綜合分析，及時(shí)、準(zhǔn)確地反映患者短期和長期預(yù)后的情況。在腦血管病短期預(yù)后結(jié)局評估方面，疾病進(jìn)展和并發(fā)癥的風(fēng)險(xiǎn)評估有助于指導(dǎo)治療方案的決策。利用支持向量機(jī)通過靜息態(tài)功能MRI可預(yù)測腦卒中后手部運(yùn)動(dòng)功能障礙；使用深度神經(jīng)網(wǎng)絡(luò)、邏輯回歸以及隨機(jī)森林三種機(jī)器學(xué)習(xí)方法可對急性缺血性腦卒中患者發(fā)病3個(gè)月后的mRS評分進(jìn)行預(yù)測；應(yīng)用機(jī)器學(xué)習(xí)的方法通過血栓的紋理及放射組學(xué)特征構(gòu)建的模型不僅可預(yù)測急性缺血性腦卒中患者接受阿替普酶靜脈溶栓治療后的血管再通，還可以篩選出首次接受血栓抽吸術(shù)血管可再通的患者并能預(yù)測再通所需機(jī)械取栓裝置的總通道數(shù)。盡管人工智能對腦血管病預(yù)后評估均有較高的預(yù)測效能，但缺少從患者角度融合分析病變短期和長期預(yù)后的結(jié)局，迫切需要建立大型研究隊(duì)列，通過人工智能探究短期預(yù)后和長期預(yù)后的平衡點(diǎn)，為醫(yī)師的治療決策提供更多維度的參考。四、總結(jié)與展望基于數(shù)據(jù)驅(qū)動(dòng)的腦血管病人工智能研究范式已經(jīng)受到廣泛認(rèn)可，不僅可以早期篩查腦血管病患者，還可以輔助醫(yī)師對病灶進(jìn)行量化識(shí)別、鑒別診斷和預(yù)后評估，有利于及時(shí)發(fā)現(xiàn)和治療急性腦血管病，降低發(fā)病率和死亡率。相應(yīng)的人工智能產(chǎn)品也逐步走向臨床應(yīng)用，但距離臨床常規(guī)應(yīng)用面臨很多挑戰(zhàn)，還有漫長的一段路要走。腦血管疾病的形成機(jī)制錯(cuò)綜復(fù)雜，分類體系多種多樣，但受限于疾病發(fā)病率不均衡和疾病機(jī)制不清楚的影響，目前有關(guān)腦血管病人工智能的研究大多聚焦于腦卒中、腦動(dòng)脈瘤方面，而在其他血管類疾病的研究較少，從而無法形成整體的輔助診斷體系。針對有限數(shù)據(jù)場景下的腦血管病可持續(xù)研究，可以從廣度和深度兩個(gè)方面進(jìn)行考慮，從而讓腦血管病人工智能研究聚焦于臨床價(jià)值本身而非數(shù)據(jù)收集和標(biāo)注的工作。廣度方面，需要凝聚共識(shí)形成標(biāo)準(zhǔn)腦血管病專病庫，通過時(shí)間的積累不斷豐富腦血管病的樣本量，并積極推動(dòng)數(shù)據(jù)共享和評估標(biāo)準(zhǔn)，從而可以客觀評價(jià)不同研究的創(chuàng)新性和價(jià)值。深度方面，需要擴(kuò)展腦血管疾病研究中的數(shù)據(jù)模態(tài)，從放射影像和臨床指標(biāo)擴(kuò)展到基因組學(xué)、轉(zhuǎn)錄組學(xué)和遺傳組學(xué)等多組學(xué)的范疇。不同于腦血管疾病臨床研究面臨的問題，人工智能算法本身因?yàn)椤昂诤小睓C(jī)制缺少可解釋性。因此，探索人工智能算法的可解釋性，可從以下3個(gè)方面進(jìn)行深入研究：（1）從神經(jīng)計(jì)算科學(xué)的角度，解析人工智能算法的理論機(jī)制構(gòu)建因果關(guān)系；（2）拋棄已有的人工智能模型結(jié)構(gòu)，從疾病發(fā)生發(fā)展的角度，從源頭構(gòu)建因果推理模型，如結(jié)構(gòu)因果模型、潛在結(jié)果模型等；（3）結(jié)合腦血管病發(fā)病的復(fù)雜性，融合推理和學(xué)習(xí)的深度學(xué)習(xí)算法，實(shí)現(xiàn)應(yīng)用級別的可解釋，如案例推理和圖神經(jīng)網(wǎng)絡(luò)等?？傊?，人工智能技術(shù)促進(jìn)了腦血管疾病篩查、風(fēng)險(xiǎn)預(yù)警、精準(zhǔn)診斷、指導(dǎo)治療、療效評估與預(yù)后預(yù)測等