专访 301 医院血管外科主任郭伟、汇医慧影柴象飞：基于 AI 的主动脉云平台如何帮助医生实现精准医疗？

近日，汇医慧影联合北京301医院血管外科发布了主动脉人工智能研究云平台AORTIST2.0（主动脉支架个体化置入人工智能研究云平台）。

针对这一平台的设计初衷、合作内容以及价值实现等几个问题，雷锋网与301医院郭伟教授以及汇医慧影CEO柴象飞进行了一次深入对话。

AORTIST2.0如何助力主动脉疾病诊治？

牵头此次合作的301医院血管外科全军血管外科中心主任郭伟向雷锋网介绍到，云平台AORTIST2.0拥有全球范围内首次开发出的B型主动脉夹层人工智能自动分割方法。于汇医慧影而言，云平台的发布也是一次突破：AI应用首次“走出了”影像科，开始在临床科室应用，同时也将AI的应用环节从诊断延伸到了临床治疗辅助决策。

2017年，郭伟主任与汇医慧影创始人柴象飞在血管创新论坛上碰面。

两人一见如故，促膝长谈后，郭伟主任提出了一个想法：AI技术在医学领域这么火，那么能否尝试在主动脉扩张性疾病中得到应用？

柴象飞思考许久后，给出了肯定的答复，于是双方一拍即合，项目就此展开。

郭主任回忆到，当时选择和汇医慧影建立合作非常重要的一点，就是看到了柴象飞团队优秀的学术背景。

“象飞是美国斯坦福大学的博士后，在医学影像人工智能、图像处理以及数据分析领域拥有超过10年的跨学科的科研和工程经验，与此同时，汇医慧影的研究团队也多来自世界顶级高校。在人工智能的这个大环境下，深厚的研究背景，是医工交叉融合的基础。”

而具体的项目合作是如何开始并展开的？

郭伟主任谈到： 301医院和汇医慧影共同设计课题，医院方提供影像数据、患者临床数据等。汇医慧影提供的技术包含了主动脉及其分支自动分割算法、主动脉中心线自动提取算法、破口自动识别算法、手术方案专家系统以及影像组学分析模块。影像组学分析模块里包含了基于自动分割的影像特征提取功能和预后预测模型。

双方此次研究的对象是主动脉扩张性疾病，主要包括主动脉瘤和主动脉夹层。主动脉夹层是主动脉疾病中最为凶险、复杂的疾病。 根据病变部位，主动脉夹层又可以分为A型和B型，B型主动脉夹层的住院期间死亡率达到10%，5年内死亡率高达20%-40%，约62%的患者术后发生胸主动脉或腹主动脉扩张。

医疗设备和手术器械的革新，让B型主动脉夹层从传统开刀手术转变为腔内修复术，将手术期死亡率从30%降至10%以内。在技术进步的背景下，对主动脉疾病的治疗，医生的关注点也从手术安全转变为个性化精准治疗，降低病发症风险、改善远期预后结果。

因此，如何对解剖参数进行精准测量，以降低手术并发症发生率，如何实现患者预后预测，以制定个性化治疗方案，是血管科医生面临的新课题。

郭伟主任指出，B型主动脉夹层手术规划需要对近远端锚定区的直径、破口位置和一些重要的距离信息进行精准的测量。传统的基于CTA轴位的手动测量会存在误差，尤其是主动脉弓部直径测量误差非常大；除此以外，手动测量方式难以获取长度信息。在这种情况下，血管外科医生通常需要委托专业人员使用商业软件才能获得精确的解剖参数。

AORTIST要解决的就是B型主动脉夹层手术中的精准测量、预后预测和远程随访三大核心问题， 可以对B型主动脉夹层的破口识别直径和长度测量。不同的影像组学的目标是不一样的，比如说肺结节筛查的目标是鉴别良恶性。而血管类疾病本身是良性病，医生不需要进行筛查，所以医生要做的就是指导治疗和术后评估。所以云平台在设计之初，就没有涉及到筛查预防的环节。除此以外，平台里置入了治愈后预测分析模块，医生能根据模块中的预测结果为患者制定个性化的随访方案。

自动测量和手工测量的区别是什么？

郭伟主任表示，自动测量的好处，首先是提高效率、完整呈现影像中的信息；其次是提高测量准确性，在AORTIST云平台的辅助下，动脉直径测量交并比达到98%，动脉直径误差缩小到1.5mm以内，较常规手动测量精准度提高到50%以上，在10分钟内可以完成对患者锚定区直径、长度、分支动脉间距离的精确测量。

随后，柴象飞也谈到：由于前期手术不完善，一部分患者很可能需要重新入院治疗。很多顶级医院进行的一些手术都是修复性手术，一定程度上消耗了医生资源。所以，除了提高医生的手术精度之外，AORTIST系统中还整合了汇医慧影开发的影像组学云平台，其中嵌入影像组学的预测模型，在超过10年的跟踪数据基础上对B型夹层患者术后是否会发生不良事件进行预测。

目前，这个预测范围包括了TEVAR术后6个月、12个月和24个月胸主动脉扩张发生概率、腹主动脉扩张发生概率和一些其他的复合重点事件。

为什么要设计主动脉AI云平台？

郭伟主任认为，医学数据里面很重要的一部分是影像学数据，从疾病本身来看，主动脉疾病的影像数据量巨大，非常契合进行人工智能和影像组学方面的研究。之所以从B型主动脉夹层入手，是因为其形态比主动脉瘤复杂，所以在技术实现上的难度更高。如果在这一病种上实现突破，再拓展到其他病种时将容易很多。

此外，将云平台引入血管学科对于学科本身而言也要重要的意义。

第一， 学科的宽度问题 。 郭主任表示，宽度问题就是普及问题，普及问题就是培训问题。郭主任在血管科的学术发展上具有很长远的目光，从20年前开始，301医院的血管科团队就开始为下级医院进行小范围的学科培训，但是效果并不理想。因为医生个体认知水平参差不齐，所以想把底层医生的技术提高到专业水平是一件很困难的事情。培养一名血管科医生的时间成本很大。在郭主任看来，大数据、人工智能等技术的不断完善，通过云平台的辅助可以让初级医生的临床诊疗水平达到顶尖医生的水平。

第二， 学科的深度问题。 郭主任认为，在国家经济转型的背景下，学科也迫切需要进行创新。就血管学科而言，创新主要需要着眼于在两个方面：器材的原创性和研究证据的创新。医学器材包括植入到体内的器材和其他辅助性的器材，需要通过各项目的临床研究来证实其有效性和安全性。“云平台可以归为辅助性器材，是提高医生临床治疗水平的一个重要工具。”

如果将视野提高一个层面来看，医院和各科室之间还存在 疾病管理的问题。

过去病人和医生、医生和医院、医院和医院、医院和国家之间都是一个个的信息孤岛。从这个角度来说，现阶段的医学数据并不属于大数据。

因此，不管是企业或者是医院开发出的医疗云，其核心在于建设一个覆盖范围广大的医疗信息平台，实现医疗数据的互通互联，进而对医疗资源进行再分享。过去医生与患者之间缺乏联系的纽带，随访就是连接医生和患者的重要手段。然而随访过程的工作量又非常大，医生和患者都需要花费大量的时间和精力，在医院来回奔波对于偏远地区的患者更是不现实。

因此，除了实现数据的互联互通之外，云平台的另一个重大意义在于为医生和病人建立了稳定的线上关系。 通过对医学数据库里的数据进行动态分析，可以让医生更方便地掌握患者的病情，为医患双方减小负担。数据分析这件事很适合机器来做，人工未必能胜任。

郭主任表示，随着后期AORTIST云平台应用的不断深入，对医生来讲，云平台里所有就诊的个体患者信息就是一个个的小数据库。如果全国的医院都能够上云的话，云平台就可以变成真正意义上的大数据平台。

实现技术突破的三大能力

医疗决策是一个复杂的过程，柴象飞认为，我们熟悉的影像学只是其中一个参考依据。医生还需要将临床数据、检验数据以及病史数据甚至是基因数据进行整体的融合建模。

郭主任向雷锋网介绍，这次发布的AORTIST2.0版中采用的是多中心的245例病人的CT影像数据和其他多维数据。平台模型训练出来之后，双方先在小范围内进行验证，并调试准确度，最后再进行大范围的推广应用。

在B型主动脉这个问题上，医疗影像虽然已经实现了突破，但还仍然存在着不少挑战。工业界常用的深度学习方法存在不足，需要依靠大量数据来“喂养”。但是一些罕见的病种无法达到上百万例的数据量。为此，郭主任也表达了类似的观点： 如何利用小数据集群进行人工智能计算，反而是工业界在日常研究中需要注意的方面。

“主动脉性疾病从全国范围来看也就是10万人的量，如果再细分A型、B型主动脉瘤，每一个单病种只有几万例的样本量。”针对这个现实的问题，柴象飞向我们提到了汇医慧影团队应用的三大工具：

第一个是迁移学习。利用上亿级的通用数据、通用图像库，将能力特征迁移到相对小的数据集上。

第二个是影像结合临床数据的整体关联能力。

第三个是强化学习。要实现院内系统完全的联网化很难，但数据是一个动态积累的过程。为了在院内、院外系统中实现自我学习、自我提升，强化学习是一个很好的工具。

“我们甚至建了随访系统，包括医院CRT表单和患者的随访系统。只有这样才能持续跟踪患者的数据，通过这些数据的持续反馈形成闭环，以此来提升系统的精准性。”

除了帮助医生在日常工作进行精准治疗之外，柴象飞还看到了医生的科研需求，所以汇医慧影把很多组学的算法以及人工智能的算法，包括常用的运算模型，包括U-Net模型都开放在平台上面。医生只需要录入数据进行标注，当平台可以进行算法优化时，就可以进行模型的构建。

深刻理解医学本质

医疗行业不同于安防等其他的AI应用场景，其行业的特殊性决定了很多新技术、新东西是不能去“试错”的。同时，尤其是在医学影像这个细分领域里，极具学科交叉能力的创业者会具有比较大的竞争力。

柴象飞近几年深入到临床科室，他认为，无论是产品、科研还是商业化的开拓，需要多方的协作，尤其是跨学科人才的培养。如果想真正开发出以人工智能创新为驱动的产品，需要工业界深刻理解医学本质甚至还要具备商业化的思维。

柴象飞向雷锋网 (公众号：雷锋网) 表示，与顶级医院牵手是医疗创业公司的必经之路。不同于传统的药物研发、设备研发行业，创业者在人工智能这条路上没有太多的经验可以借鉴。其他领域也许会有一些比较成熟的模式，创业者摸索着往前走。但是在人工智能领域有很多问题是我们从来没有遇到的。我们的目标就是协同多方力量，让医疗AI实现重大突破。

。