宋雷教授：基于AI的冠状动脉多模态影像与生理学应用场景与发展

在当前人工智能（AI）技术迅猛发展并广泛应用于临床医学的背景下，冠状动脉粥样硬化性心脏病（简称冠心病）诊疗领域迎来了新的机遇与挑战。为深入探讨AI技术在冠状动脉多模态影像与生理学中的应用场景与发展前景，康迅网特邀中国医学科学院阜外医院宋雷教授撰写此文，分享其在AI赋能冠心病精准诊疗中的前沿见解与实践经验。

专家简介

中国医学科学院阜外医院宋雷教授

博士，主任医师，硕士研究生导师，纽约哥伦比亚大学腔内影像及生理学专业访问学者。

中国医学科学院阜外医院冠心病中心副主任，冠心病一病区主任，国家心血管疾病介入诊疗技术培训基地导师。

主要专业方向为冠心病与腔内影像与功能学的基础与临床应用研究，以第一作者或通讯作者在国内外专业期刊发表论文30余篇，累积影响因子大于255分，本人及所在团队在国内外相关专业领域有重要影响力。现兼任中华医学会心血管病学分会心血管老年学组委员，中国老年医学学会心血管病分会委员，北京慢性病防治与健康教育研究会心血管病学分会委员。

心血管疾病仍旧是我国死亡原因居于首位的疾病，尤其是冠心病，具有沉重的疾病负担。目前，临床上冠心病患者数量巨大、临床数据分散，如何实现快速精准诊断是目前亟待解决的问题。近年来，在AI技术的辅助下可以将影像学与生理学技术相结合，从而整合海量数据，减少人为误差，提高工作效率，实现数据驱动的精准诊断和治疗，具体体现在以下5个方面。

1.提高测量准确性与分析速度

血管内超声（IVUS）与光学相干断层成像（OCT）的双模式影像诊断技术可以仅通过一次回撤即可获得管腔、斑块、支架的同步相关信息；基于AI与Murray分叉定律的新一代定量血流分数（OFR）可以在1 min内仅通过单一体位造影获得所有分支血管的定量血流分数值；目前有多项类似的有创或无创计算冠脉生理学技术，可通过基于AI优化的计算流体力学算法短时间内获得准确结果。

2.实现斑块成分的精准分析与测量

AI技术可以帮助实现图像的自动分割、组织成分和斑块的自动识别。基于AI的斑块光衰减指数可以对斑块稳定性进行定性及定量评估；智能钙化评估技术可仅在12 s的时间内获得钙化斑块负荷信息，诊断准确性高达93.95%。在指导治疗方面，FORZA研究显示基于AI的斑块分析对手术效果具有很高的预测价值。

3.多模态影像与造影融合技术的应用

目前，在AI的辅助下可以实现IVUS/OCT与冠脉造影图像的实时配准，使术者在腔内影像导管回撤过程中获得管腔横截面与冠脉造影图像相匹配的实时位置，并对影像进行智能分析，实现对病变位置及特征更加精准的评估。

4.多模态影像与功能学检测的融合

既往实现腔内影像与功能学的联合检测需要两次检查、两种耗材，因此操作复杂、检查耗时，且费用昂贵。基于AI的多模态影像与功能学检测的融合可以仅通过一次回撤、一种耗材而同时获得影像学与功能学信息。如超滤率、OFR等通过OCT/IVUS 图像计算的血流储备分数，临床研究证实其与基于导丝的血流储备分数对比具有很高的诊断一致性。此外，FORZA研究显示，基于虚拟介入手术的OFR与真实经皮冠状动脉介入治疗的术后OFR比较也具有显著的相关性和一致性。

5.辅助冠心病的诊疗决策

基于AI的腔内影像技术可以实现高危斑块的自动识别和定位，并给予旋磨预处理的方案、支架落脚点的定位、支架尺寸的选择等治疗策略的推荐，还可预测支架的膨胀和贴壁不良。未来，可以在AI的辅助下实现虚拟支架或虚拟搭桥技术、术中实时生理学参考路标图、虚拟现实与增强现实技术、基于AI的动作捕捉与识别技术以及手术规划导航与自动化的AI血管介入机器人等，进而更加精确、智能地实现精准诊疗和个体化治疗。

总之，AI领域的飞速发展为未来的心血管介入诊疗提供了无限可能，不仅是简单的辅助诊断，而且为治疗决策提供更多的支持。多模态影像与功能学技术的融合，有望将精准诊疗的理念融入日常工作流程，改善冠心病患者的远期预后。未来与高速通信技术与虚拟现实/增强现实技术的结合，与手术机器人的结合还有助于远程医疗与同质化医疗的落地，为冠心病提供新的诊疗决策模式。