人工智能与仿真助力智能精准医疗

睿心首席科学家兰宏志介绍 ：“计算模拟仿真在科学分析和工程制造 中被大量地应用，例如，天文气象预测、汽车安全测试、智能手机的设计等， 而在生物医疗领域则已用于发现新药、解释生物现象、医疗器械的优化设 计等。特别是在心血管领域的研究，仿真扮演着极其重要的角色。从微观 尺度，我们可以模拟每一个血细胞在血液中的运动和变形，借此我们研究 在动脉粥样硬化最早阶段白细胞是如何进入血管壁的，还可以设计指甲盖 大小的微流控芯片对血液样本中的病变细胞进行甄别和分离。从宏观尺度， 我们可以模拟包含主要动脉在内的整个循环系统的血液流动，研究血压、 剪切力等因素与斑块形成和破裂的关系，分析血流在血管树中的分布来评 估血流供给功能，甚至可以对心血管的手术方案进行设计和优化。例如， 针对患有先天性心脏病的幼儿，为了修复其心脏的缺陷并恢复应有的泵血 功能，医生需要进行复杂而危险的手术。我所在的斯坦福实验室，就利用 计算仿真来对多种多样的手术方案进行模拟，从中找到最优的方案，最大 化地改善供血效能和降低手术的风险。”

提高医学影像智能后处理效率

中国影像市场规模在 2000 亿～ 3000 亿元，放射科医生每天读片写 诊断报告的任务非常重，而且中国医疗资源的分布极其不均，基层医院的 医生资源十分匮乏。而培养一名合格的放射科医生周期是非常长的，目前 医学影像数据的增长率大概为每年 30%，而影像科医生数量的增长率仅为 每年约 4%。以冠脉 CTA 为例，每一个案例医生通常至少需要半个多小时 的时间进行影像的后处理以及诊断报告的编写工作。

这意味着影像科医生的压力会越来越大，而解决问题的途径就是医学影像的智能后处理。 睿心智能目前研发的基于深度学习算法的心脑血管疾病智能后处理平 台，其自动处理后的结果与精准结果相比，DICE 重合度高达 98.74%。而 整个智能后处理的时间不超过 3 分钟，这样加上医生审查以及写报告的时 间，完成一例冠脉 CTA 的时间可以控制在 10 分钟之内，大大提高了医生 的工作效率。

CTO 马骏不无自豪地说 ：“睿心智能目前开发的人工智能程序和方法， 达到国际领先水平，与通用电器、达芬奇手术机器人等巨头或新锐公司处 在同等位置。我们主要的研究方法是用深度学习从 CTA 图像中自动识别、 分割血管以及病灶，并完成自动建模或预测。” 他解释道，深度学习（Deep Learning）是模拟人脑进行分析学习的 多层神经网络，它模仿人脑的机制来解释数据、处理数据，通过组合低层 特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征 表示。深度神经网络是一种具备至少一个隐层的神经网络。

版权声明： 本站文章已获出版方或者作者方授权，如需转载，请保留网站地址和作者信息。部分文章来源于网络，著作权归于原作者，仅供学习交流使用。

很赞哦！ ( )