蘭貝蒂 王瑞濤

(1.西安交通大學(xué)第一附屬醫(yī)院結(jié)構(gòu)性心臟病科，陜西 西安 710061； 2.西安交通大學(xué)第一附屬醫(yī)院肝膽外科，陜西 西安 710061)

當(dāng)前心血管疾病居中國(guó)居民死亡原因第三位，在大數(shù)據(jù)和開(kāi)放科學(xué)時(shí)代，人工智能(artificial intelligence，AI)和3D打印技術(shù)蓬勃發(fā)展，其在心血管醫(yī)學(xué)領(lǐng)域的探索應(yīng)用突飛猛進(jìn)。一方面，現(xiàn)代影像及檢驗(yàn)技術(shù)積累了充分的原始數(shù)據(jù)，是AI探索的基礎(chǔ)；另一方面，心血管系統(tǒng)腔內(nèi)結(jié)構(gòu)復(fù)雜多變，充分利用AI和3D打印技術(shù)可以革新當(dāng)前診療習(xí)慣和模式，提升服務(wù)效率和水平。AI和3D打印技術(shù)在心血管醫(yī)學(xué)領(lǐng)域的優(yōu)勢(shì)包括：圖像的獲取與分析更快速、簡(jiǎn)便、準(zhǔn)確；診斷的自動(dòng)化輔助，減少醫(yī)療差錯(cuò)[1]；自然語(yǔ)言的結(jié)構(gòu)化處理，大大簡(jiǎn)化工作流程；風(fēng)險(xiǎn)預(yù)測(cè)和預(yù)后指導(dǎo)，優(yōu)化醫(yī)療資源配置[2]；3D打印輔助高難度心臟手術(shù)，促進(jìn)醫(yī)患溝通和推動(dòng)精準(zhǔn)醫(yī)療等[3-4]。現(xiàn)就AI和3D打印技術(shù)在心血管醫(yī)學(xué)領(lǐng)域的應(yīng)用進(jìn)展做如下綜述。

1 AI輔助診斷

1.1 自動(dòng)化心臟4D血流磁共振成像后處理

醫(yī)學(xué)影像領(lǐng)域數(shù)據(jù)量龐大，自2017年8月3日“騰訊覓影”面世以來(lái)，該領(lǐng)域一直是機(jī)器學(xué)習(xí)的焦點(diǎn)。心臟磁共振成像(magnetic resonance imaging，MRI)可提供心臟功能、瓣膜疾病、血流、灌注和血管解剖學(xué)的可量化信息。心臟4D血流MRI診斷實(shí)用性強(qiáng)大，可對(duì)血流和模式進(jìn)行全面分析、區(qū)域壁運(yùn)動(dòng)分析、壓力梯度量化和血管血流動(dòng)力學(xué)分析。但受到專業(yè)知識(shí)和經(jīng)驗(yàn)水平的限制，圖像的后處理只能由少數(shù)心臟病學(xué)和放射學(xué)專家在專用的3D實(shí)驗(yàn)室手動(dòng)執(zhí)行3D分割、可視化和4D分析等操作，既耗時(shí)耗力又難以通用。

通過(guò)AI技術(shù)可實(shí)現(xiàn)心臟4D血流MRI的自動(dòng)解剖分割，量化瓣膜病變、血流動(dòng)力學(xué)和功能研究(如圖1[5])，采用深度學(xué)習(xí)算法，從標(biāo)注真實(shí)數(shù)據(jù)中學(xué)習(xí)分割任務(wù)，計(jì)算結(jié)果與標(biāo)注數(shù)據(jù)高度吻合。其驗(yàn)證指標(biāo)在輪廓擬合度、Dice相似性系數(shù)、平均垂直距離和一致性上分別為96.69%、0.94、1.81 mm和0.86，而通過(guò)其他方法獲得的指標(biāo)分別為79.20%～95.62%、0.87～0.90、1.76～2.97 mm和0.67～0.78。不僅簡(jiǎn)化了操作，也增加了實(shí)用性。預(yù)計(jì)在AI的輔助下后處理時(shí)間可減少90%，從而增加實(shí)際工作容量近10倍。

圖1 心臟4D血流MRI

1.2 自動(dòng)聚焦超聲心動(dòng)圖標(biāo)準(zhǔn)切面

超聲心動(dòng)圖可以快速評(píng)估心臟結(jié)構(gòu)、功能和血流動(dòng)力學(xué)，是心臟病學(xué)的支柱，而且與心臟MRI相比成本低廉，不受硬件設(shè)施的限制，使用更為廣泛。但是，超聲心動(dòng)圖的獲取和解釋高度依賴于超聲醫(yī)師的個(gè)人經(jīng)驗(yàn)。受培訓(xùn)者至少要花費(fèi)3～6個(gè)月才能準(zhǔn)確地獲取正確的心臟切面。在需要快速評(píng)估左室射血分?jǐn)?shù)、瓣膜狹窄或關(guān)閉不全等緊急情況時(shí)，并不一定能立刻聯(lián)系到專業(yè)人員。

通過(guò)深度學(xué)習(xí)，可以實(shí)現(xiàn)超聲心動(dòng)圖標(biāo)準(zhǔn)切面的自動(dòng)化采集，可使任何未受訓(xùn)練的醫(yī)師都能輕松獲得精確的超聲切面(如圖2[6])，初步測(cè)試中觀察到未經(jīng)培訓(xùn)者實(shí)施胸骨旁左室長(zhǎng)軸窗口采集時(shí)間為30 s。將來(lái)還有望通過(guò)AI識(shí)別可能代表亞臨床疾病或指示患者預(yù)后的細(xì)微影像學(xué)特征。Narula等[6]開(kāi)發(fā)了能夠自動(dòng)辨識(shí)和分析超聲心動(dòng)圖數(shù)據(jù)集，識(shí)別運(yùn)動(dòng)員肥厚型心肌病和生理性心肌肥大的系統(tǒng)，結(jié)果顯示：集成的機(jī)器學(xué)習(xí)模型顯示出更高的靈敏度和特異性，表明深度開(kāi)發(fā)機(jī)器自動(dòng)化辨識(shí)系統(tǒng)具有更廣闊的前景，提高其應(yīng)用范圍將進(jìn)一步促進(jìn)對(duì)心臟疾病的篩查、分類和診斷。

1.3 使用深度神經(jīng)網(wǎng)絡(luò)提高單導(dǎo)聯(lián)動(dòng)態(tài)心電圖診斷性能

有學(xué)者嘗試構(gòu)建一種深度神經(jīng)網(wǎng)絡(luò)，對(duì)來(lái)自53 549例患者的91 232個(gè)單導(dǎo)聯(lián)動(dòng)態(tài)心電圖按12種節(jié)律進(jìn)行分類，端到端深度學(xué)習(xí)的診斷性能與心臟病學(xué)專家類似[7]。研究表明，以端到端深度學(xué)習(xí)為代表的范式轉(zhuǎn)變可能會(huì)為自動(dòng)化心電圖分析提供一種新方法，該方法采用了多種技術(shù)，包括信號(hào)預(yù)處理、特征提取、特征選擇、歸約和分類，可以進(jìn)一步提升應(yīng)用范圍和準(zhǔn)確率。如果在臨床環(huán)境中得到證實(shí)，則此方法可對(duì)突發(fā)緊急狀況進(jìn)行準(zhǔn)確分類或確定優(yōu)先級(jí)，從而降低計(jì)算機(jī)對(duì)心電信號(hào)的誤診及不當(dāng)解釋，并提高心臟病學(xué)專家對(duì)心電圖解釋的效率。

注：左圖：胸骨旁長(zhǎng)軸的圖像采集；右圖：人工智能引導(dǎo)獲取最佳切面的位置。圖2 機(jī)器學(xué)習(xí)輔助經(jīng)胸超聲心動(dòng)圖自動(dòng)采集

1.4 心電圖可篩查無(wú)癥狀左心功能不全

無(wú)癥狀的左心功能不全占總?cè)丝诘?%～6%，對(duì)其生活質(zhì)量和壽命造成影響。梅奧診所學(xué)者Attia等[8]根據(jù)44 959例患者的12導(dǎo)聯(lián)心電圖和超聲心動(dòng)圖數(shù)據(jù)，訓(xùn)練出一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，使用心電圖數(shù)據(jù)來(lái)識(shí)別心室功能不全(定義為射血分?jǐn)?shù)≤35%)，在無(wú)心室功能不全的患者中，使用該神經(jīng)網(wǎng)絡(luò)篩查出陽(yáng)性的患者未來(lái)發(fā)生左室功能障礙的風(fēng)險(xiǎn)是陰性者的4倍，認(rèn)為AI在心電圖應(yīng)用于識(shí)別心室功能不全檢測(cè)成本低廉，結(jié)果可靠，應(yīng)用前景廣闊。

1.5 基于心音的心力衰竭檢測(cè)體系

慢性心力衰竭影響全球2 600萬(wàn)人，其發(fā)病率每年以2%的速度增長(zhǎng)，目前欠缺自動(dòng)檢測(cè)的方法。Gjoreski等[9]通過(guò)機(jī)器學(xué)習(xí)和端到端的深度學(xué)習(xí)提出了一種基于心音的心力衰竭的檢測(cè)方法。通過(guò)對(duì)6個(gè)公開(kāi)可用的數(shù)據(jù)集和1個(gè)慢性心力衰竭數(shù)據(jù)集(針對(duì)該研究而收集)的947例受試者的記錄，確定15個(gè)可重復(fù)使用的機(jī)器學(xué)習(xí)模型以區(qū)分慢性心力衰竭的不同階段(即失代償階段和補(bǔ)償階段)，其準(zhǔn)確度為92.9%，方法對(duì)于區(qū)分健康受試者和患者之間的記錄以及檢測(cè)不同的慢性心力衰竭階段均顯示出令人鼓舞的結(jié)果，更容易識(shí)別心力衰竭患者，進(jìn)而開(kāi)發(fā)出家用慢性心力衰竭監(jiān)護(hù)儀。

1.6 基于面部圖片的冠心病預(yù)測(cè)模型

近日，在《歐洲心臟雜志》發(fā)表的一項(xiàng)多中心橫斷面研究[10]，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)建立了基于臉部照片的冠心病預(yù)測(cè)模型，可以預(yù)測(cè)是否存在至少1支冠狀動(dòng)脈狹窄≥50%。進(jìn)一步研究發(fā)現(xiàn)，加入臨床指標(biāo)并未改善該算法的效能，說(shuō)明該算法只用臉部照片已足夠，不需考慮病史或查體，雖然該模型的應(yīng)用效果還需臨床大規(guī)模應(yīng)用評(píng)價(jià)，但是為簡(jiǎn)化預(yù)測(cè)方法帶來(lái)了啟示。

1.7 通過(guò)面部視頻有望實(shí)現(xiàn)高通量心房顫動(dòng)的篩查

運(yùn)用智能手機(jī)分析面部光電容積描記信號(hào)，使用預(yù)先培訓(xùn)好的深卷積神經(jīng)網(wǎng)絡(luò)同時(shí)分析多個(gè)患者的面部光電容積描記信號(hào)，可實(shí)現(xiàn)心房顫動(dòng)的高精度檢測(cè)，如圖3所示。此方法成本低廉，可節(jié)約時(shí)間，減少臨床工作量[11]。目前研究尚處于探索階段，存在以下局限性：需要靜止監(jiān)測(cè)1 min；需行心電圖檢查排除可疑心房顫動(dòng)；普通人群的心房顫動(dòng)患病率較低，該方法的陽(yáng)性預(yù)測(cè)值不高。

圖3 5例患者同時(shí)行視頻記錄完成面部光電容積描記和心電圖檢測(cè)

2 AI輔助風(fēng)險(xiǎn)分層或評(píng)估預(yù)后

2.1 機(jī)器學(xué)習(xí)評(píng)估先天性心臟病或肺動(dòng)脈高壓患者的預(yù)后

Diller等[12]研究機(jī)器學(xué)習(xí)用于評(píng)估先天性心臟病或肺動(dòng)脈高壓患者預(yù)后的價(jià)值，通過(guò)對(duì)10 019例成人先天性心臟病或肺動(dòng)脈高壓患者進(jìn)行8年隨訪，基于44 000余份病歷的深度學(xué)習(xí)算法，從疾病診斷、復(fù)雜程度以及NYHA心功能分級(jí)等方面進(jìn)行了分類。根據(jù)算法得出的疾病嚴(yán)重程度與Cox分析的生存率有關(guān)，而與人口統(tǒng)計(jì)學(xué)、運(yùn)動(dòng)、實(shí)驗(yàn)室和心電圖參數(shù)無(wú)關(guān)。該算法可擴(kuò)展到多機(jī)構(gòu)數(shù)據(jù)集，以進(jìn)一步提高準(zhǔn)確性，最終形成在線的決策工具。

2.2 機(jī)器學(xué)習(xí)識(shí)別經(jīng)皮冠狀動(dòng)脈介入治療后死亡和再入院風(fēng)險(xiǎn)

目前經(jīng)皮冠狀動(dòng)脈介入治療后風(fēng)險(xiǎn)預(yù)測(cè)模型的預(yù)測(cè)能力有限，機(jī)器學(xué)習(xí)具有識(shí)別數(shù)據(jù)集中復(fù)雜非線性模式的潛力，針對(duì)每個(gè)事件訓(xùn)練一個(gè)隨機(jī)森林回歸模型來(lái)估計(jì)事件發(fā)生的時(shí)間。Zack等[13]對(duì)Mayo Clinic注冊(cè)中心11 709例接受經(jīng)皮冠狀動(dòng)脈介入治療的患者進(jìn)行評(píng)估，經(jīng)過(guò)驗(yàn)證，機(jī)器學(xué)習(xí)比標(biāo)準(zhǔn)回歸方法在識(shí)別術(shù)后180 d死亡和術(shù)后30 d慢性心力衰竭再住院風(fēng)險(xiǎn)的患者中更具預(yù)測(cè)性，顯示機(jī)器學(xué)習(xí)用于預(yù)后預(yù)測(cè)模型的潛在優(yōu)勢(shì)及前景。

2.3 機(jī)器學(xué)習(xí)有助于篩選心室同步化起搏-電復(fù)律除顫器以及植入型心律轉(zhuǎn)復(fù)除顫器可獲益的心力衰竭人群

利用超聲心動(dòng)圖參數(shù)和臨床指標(biāo)的機(jī)器學(xué)習(xí)算法來(lái)對(duì)心力衰竭隊(duì)列進(jìn)行表型分組，可識(shí)別對(duì)心臟再同步化治療有良好反應(yīng)的患者。Cikes等[14]在多中心對(duì)1 106例植入自動(dòng)除顫儀的心力衰竭患者使用無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法，依據(jù)臨床指標(biāo)的相似性進(jìn)行分類，并將基線處的左室容積和變形軌跡分為互斥組，在這些組之間比較了使用除顫器對(duì)主要結(jié)局(全因死亡或心力衰竭事件)和體積反應(yīng)的治療效果，分析確定了四種表型：(1)響應(yīng)組，顯著容量響應(yīng)；(2)響應(yīng)組，最佳容量響應(yīng)；(3)無(wú)響應(yīng)組，不同的心力衰竭底物-“良性”的高血壓/糖尿病/缺血性心肌?。?4)無(wú)響應(yīng)組，不同的心力衰竭底物-惡化的缺血性心肌病。不同表型間，在基線臨床特征、生物標(biāo)志物、左右心室結(jié)構(gòu)和功能，以及主要結(jié)局的發(fā)生上存在顯著差異，其中(1)和(2)兩種表型為心臟再同步化治療反應(yīng)良好組。研究表明：通過(guò)整合臨床參數(shù)和完整的心動(dòng)周期影像數(shù)據(jù)，無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法可以為表型異質(zhì)性心力衰竭隊(duì)列提供臨床上有意義的分類，并可能有助于優(yōu)化對(duì)特定人群的反應(yīng)率療法。

2.4 機(jī)器學(xué)習(xí)模型改善傳統(tǒng)ACC/AHA的心血管疾病風(fēng)險(xiǎn)分層

Kakadiaris等[15]使用來(lái)自MESA研究(對(duì)動(dòng)脈粥樣硬化的多民族研究)無(wú)心血管疾病的6 459例參與者的13年隨訪數(shù)據(jù)構(gòu)建機(jī)器學(xué)習(xí)模型，并在FLEMENGHO研究(環(huán)境、基因和健康結(jié)果的佛蘭德研究)中驗(yàn)證該模型。ACC/AHA風(fēng)險(xiǎn)計(jì)算器基于7.5%的10年風(fēng)險(xiǎn)閾值，推薦使用他汀類藥物者占46%，480例心血管事件中23.8%發(fā)生在未推薦他汀類藥物組。使用同樣9種傳統(tǒng)風(fēng)險(xiǎn)因素，機(jī)器學(xué)習(xí)算法能夠顯著改善風(fēng)險(xiǎn)分層，發(fā)現(xiàn)高風(fēng)險(xiǎn)個(gè)體增加13%，建議25%低風(fēng)險(xiǎn)個(gè)體減少他汀類藥物的應(yīng)用，同時(shí)可減少不良事件。該研究表明了機(jī)器學(xué)習(xí)模型較傳統(tǒng)ACC/AHA風(fēng)險(xiǎn)計(jì)算器更具有優(yōu)勢(shì)。

2.5 機(jī)器學(xué)習(xí)協(xié)助自然語(yǔ)言的轉(zhuǎn)化和提取

臨床電子醫(yī)療記錄中80%以上的數(shù)據(jù)為敘述性內(nèi)容，繁忙的臨床工作中人工提取并匯總文本信息，既耗時(shí)又耗力。通過(guò)機(jī)器學(xué)習(xí)的自然語(yǔ)言處理技術(shù)可將非結(jié)構(gòu)化的文本轉(zhuǎn)化成結(jié)構(gòu)化的形式，可自動(dòng)提取數(shù)據(jù)元素，形成實(shí)時(shí)和個(gè)性化的風(fēng)險(xiǎn)預(yù)測(cè)。Arruda-Olson等[16]使用從電子健康記錄中自動(dòng)提取的數(shù)據(jù)為周?chē)鷦?dòng)脈疾病的患者創(chuàng)建一種預(yù)后預(yù)測(cè)工具，以便在護(hù)理時(shí)進(jìn)行實(shí)時(shí)和個(gè)性化的風(fēng)險(xiǎn)預(yù)測(cè)，在臨床工作中應(yīng)用潛力巨大，值得深入探索。

3 手術(shù)輔助系統(tǒng)

作為革新性技術(shù)，三維重建與3D打印技術(shù)可以輔助高難度手術(shù)，處于心血管疾病診療的創(chuàng)新前沿。立體的心臟模型能提供可視化的空間結(jié)構(gòu)，具有以下優(yōu)勢(shì)：(1)制定手術(shù)計(jì)劃：術(shù)前制定詳細(xì)計(jì)劃如“計(jì)劃A”“計(jì)劃B”或“補(bǔ)救”方案，以減少手術(shù)時(shí)間，減少并發(fā)癥，縮短術(shù)后住院時(shí)間，降低再干預(yù)率以及醫(yī)療花費(fèi)；(2)協(xié)助教育培訓(xùn)：培訓(xùn)模式從手把手的學(xué)徒模式轉(zhuǎn)變?yōu)榛诜抡娴淖灾鲗W(xué)習(xí)模式，補(bǔ)充了傳統(tǒng)的指導(dǎo)式教育，可大大縮短學(xué)習(xí)曲線：(3)模擬手術(shù)體驗(yàn)：可體驗(yàn)逼真的手術(shù)操作，初級(jí)受訓(xùn)者也可接觸少見(jiàn)和特殊的病例；經(jīng)驗(yàn)豐富者，可利用其進(jìn)行終身學(xué)習(xí)，成為迎接新挑戰(zhàn)的橋梁；(4)促進(jìn)團(tuán)隊(duì)溝通：增加多學(xué)科之間的溝通，減少醫(yī)療差錯(cuò)，便于患者的理解和參與，增強(qiáng)決策制定能力。

復(fù)雜的解剖結(jié)構(gòu)、既往手術(shù)史以及體外循環(huán)耗時(shí)長(zhǎng)等是心血管疾病惡化的主要危險(xiǎn)因素[17]，三維重建與3D打印技術(shù)的應(yīng)用有望降低相關(guān)手術(shù)風(fēng)險(xiǎn)。在先天性心臟病患兒中，利用交互式全心分割方法，從少數(shù)MRI短軸切片區(qū)域進(jìn)行人工分割，使用基于補(bǔ)丁的分割自動(dòng)描繪剩余體積，可快速建立患者特定的三維重建心臟模型，將使用3D心臟模型輔助手術(shù)規(guī)劃常規(guī)化實(shí)施成為可能[18]。

目前3D打印輔助技術(shù)應(yīng)用在以下心臟外科領(lǐng)域[19]：復(fù)雜先天性心臟病患者移植術(shù)前計(jì)劃[20]，右位心合并右室雙出口、室間隔缺損和大動(dòng)脈轉(zhuǎn)位等復(fù)雜畸形的手術(shù)規(guī)劃[21]，心室輔助設(shè)備的植入[22]等。已經(jīng)開(kāi)展的3D打印輔助心血管介入手術(shù)包括：3D打印的冠狀動(dòng)脈支架[23]、經(jīng)皮主動(dòng)脈瓣置換術(shù)[24]、經(jīng)皮二尖瓣環(huán)鈣化的二尖瓣置換[25]、上腔靜脈型房間隔缺損的介入封堵[26]、后下緣缺失的(下腔靜脈型)繼發(fā)孔型房間隔缺損封堵術(shù)[27-28]、復(fù)雜形態(tài)的室間隔缺損[29]和高血液相容性復(fù)合彈性材料3D打印左心耳封堵器等[30]。隨著技術(shù)的拓展，研究的不斷深入，其技術(shù)優(yōu)勢(shì)及認(rèn)可度將不斷提升。

4 當(dāng)前AI與3D打印技術(shù)應(yīng)用的局限性

機(jī)器學(xué)習(xí)正在改變心血管疾病的診斷、風(fēng)險(xiǎn)預(yù)測(cè)、預(yù)防和治療模式，必須正確理解這些心血管領(lǐng)域新技術(shù)的優(yōu)勢(shì)、局限性、機(jī)會(huì)和風(fēng)險(xiǎn)。如果沒(méi)有完整而且通用的數(shù)據(jù)集，那么在實(shí)際測(cè)試中，該模型的性能將受影響。AI的應(yīng)用需要計(jì)算機(jī)科學(xué)家、臨床研究人員、臨床醫(yī)師和其他專業(yè)人員之間的密切合作，目前的應(yīng)用大多局限于某一項(xiàng)診療設(shè)備或者數(shù)據(jù)集，不能全面地進(jìn)行分析，設(shè)計(jì)研究和解釋結(jié)果時(shí)，必須考慮偏倚，如按地理、人口和社會(huì)經(jīng)濟(jì)地位劃分的互聯(lián)網(wǎng)訪問(wèn)的差異性等。構(gòu)建全球范圍內(nèi)多中心、完整通用的數(shù)據(jù)集共識(shí)及標(biāo)準(zhǔn)具有迫切性，通過(guò)建立規(guī)范的標(biāo)準(zhǔn)，多學(xué)科多中心加強(qiáng)合作，對(duì)AI的應(yīng)用及評(píng)價(jià)更為全面、客觀，更易普及及推廣應(yīng)用。

從2014年起發(fā)表的關(guān)于3D打印技術(shù)在心血管疾病中的應(yīng)用文章來(lái)看，主要是應(yīng)用于左心耳封堵術(shù)(占50.3%)，其次是經(jīng)皮主動(dòng)脈瓣置換術(shù)(占17.6%)[31]，CT和超聲心動(dòng)圖是生成3D打印心臟模型數(shù)據(jù)源的兩種主要成像技術(shù)。但是，通過(guò)CT或MRI獲得的部分圖像分辨率不足，比如不能很好地分辨房室瓣膜或房間隔?；?D超聲心動(dòng)圖數(shù)據(jù)源的3D打印具備克服這些局限性的潛力，而血管造影成像的3D打印更適宜拓展。

另外，在嬰幼兒中，隨著時(shí)間流逝會(huì)伴隨體細(xì)胞的生長(zhǎng)和病理生理學(xué)的變化，引起解剖結(jié)構(gòu)發(fā)生較大的變化，因而成像和3D建模應(yīng)在預(yù)期術(shù)前時(shí)間附近進(jìn)行。目前3D打印的組織特性無(wú)法像天然組織一樣對(duì)球囊、支架或者封堵器等做出反應(yīng)，尤其體外打印的模型難以重現(xiàn)實(shí)際腔內(nèi)操作時(shí)的生理血流環(huán)境。現(xiàn)有技術(shù)局限性對(duì)研究的熱度及關(guān)注度并無(wú)影響，不斷的成果使業(yè)內(nèi)學(xué)者相信現(xiàn)有的局限會(huì)隨著技術(shù)的研發(fā)應(yīng)用而不斷突破。

AI與3D打印技術(shù)在心血管領(lǐng)域研究處于探索階段，尚未在專業(yè)疾病診治及預(yù)測(cè)中實(shí)現(xiàn)標(biāo)準(zhǔn)化、系統(tǒng)化及個(gè)體化，單一中心的研究結(jié)果尚需要多中心、大宗病例的驗(yàn)證，具備計(jì)算機(jī)系統(tǒng)設(shè)計(jì)、大數(shù)據(jù)分析、臨床思維及專業(yè)知識(shí)的復(fù)合型人才及團(tuán)隊(duì)需要培養(yǎng)及訓(xùn)練，相關(guān)技術(shù)的成熟應(yīng)用需要更多的時(shí)間及努力，這些都是制約技術(shù)發(fā)展的因素。

5 展望

在不遠(yuǎn)的將來(lái)，情境適應(yīng)性AI技術(shù)將實(shí)現(xiàn)更為接近人類的“思考”來(lái)制定臨床決策，從而增強(qiáng)心血管疾病專家在急診室、介入手術(shù)室、外科手術(shù)室以及其他應(yīng)急狀態(tài)中的綜合診治效率和服務(wù)水平。除了在數(shù)據(jù)集獲取和后處理方面的進(jìn)步外，打印機(jī)技術(shù)和打印材料的改進(jìn)也將大力推動(dòng)3D打印技術(shù)，以實(shí)現(xiàn)能夠復(fù)制患者獨(dú)特解剖結(jié)構(gòu)和生理學(xué)狀態(tài)的“組織仿生”材料。將來(lái)，以AI和3D打印為基礎(chǔ)，實(shí)現(xiàn)心血管腔內(nèi)成像、生理學(xué)、血流動(dòng)力學(xué)以及機(jī)器人技術(shù)的漸進(jìn)融合，AI及3D打印技術(shù)將在心血管疾病診療中不斷拓展應(yīng)用，促進(jìn)臨床難題破解，滿足臨床及科研需求，對(duì)此，筆者充滿期待。