关注我们
1
引言
人工智能（AI）在医疗保健领域取得了巨大的进展。在心血管疾病和血管外科领域，人工智能工具如机器学习（ML）、自然语言处理（NLP）和深度神经网络（DNN）已经被应用于诊断疾病，如外周动脉疾病（PAD）、腹主动脉瘤（AAA）和动脉粥样硬化性心血管疾病（ASCVD）。尽管许多研究强调了AI的潜在应用方向，但很少有研究解决了现有AI工具在临床工作中的实施问题。本文旨在探讨AI在血管外科临床工作中的应用。
2
方法：文献搜索策略
通过PubMed进行文献搜索，关键词包括：
Vascular clinical workflow: “artificial intelligence AND clinical workflow and vascular surgery”
Peripheral artery disease: “artificial intelligence AND clinical workflow AND peripheral artery disease”
Abdominal aortic aneurysm: “artificial intelligence AND clinical workflow AND abdominal aortic aneurysm”
Atherosclerotic cardiovascular disease: “artificial intelligence AND clinical workflow AND atherosclerotic cardiovascular disease”
“人工智能与临床工作流程与血管外科”、“人工智能与临床工作流程与外周动脉疾病”、“人工智能与临床工作流程与腹主动脉瘤”、“人工智能与临床工作流程与动脉粥样硬化性心血管疾病”。筛选并回顾相关文献，重点选择那些展示了AI实际应用于临床工作流程的研究。
3
AI在PAD、AAA和ASCVD中的临床应用
3.1 外周动脉疾病的检测与结果
外周动脉疾病（PAD）由于筛查指南不一致、患者和医生的认识不足以及症状表现多样性，常被漏诊。AI技术可以通过提高筛查、诊断和疾病严重程度分类的准确性来改善PAD的检测。例如，使用NLP和ML工具可以自动检测和分类动脉病变，建立预测患者死亡率的模型，并辅助临床决策。
3.2 腹主动脉瘤疾病的检测与管理
腹主动脉瘤（AAA）在破裂前常被漏诊，而破裂后的死亡率超过80%。AI技术可以通过自动化和标准化测量来改进AAA的检测和管理。例如，深度学习算法可以在30秒内计算出最大AAA直径，其精度与手动测量相当。此外，AI还被应用于术中管理和术后监测，例如AI软件（如Cydar Medical, United Kingdom）在血管内动脉瘤修复期间被用于生成完全自动化的3D融合图叠加层，这些叠加层投影到实时2D荧光图像上，并能连续调整，以适应患者移动和由于导线、导管和其他设备引起的解剖变形。
相关研究
Lareyre等人 (2022)：使用深度学习算法自动测量AAA的最大直径，并与两位操作者标准手动分割进行比较。34名患者的术前CTA图像。结果：自动深度学习方法每扫描计算最大AAA直径的时间少于30秒，与手动分割相比，平均绝对误差为0.8毫米（0.5-4.1毫米），相关系数为0.91（P＜0.001）。
Golla等人 (2021)：使用深度学习基础的自动筛查工具检测小AAA。方法：使用187个CT扫描和三个深度卷积神经网络（CNN；ResNet, VGG-16和AlexNet）进行3D分类。结果：3D ResNet算法在训练集上的AUC为0.93，在107个新扫描的测试集上的AUC为0.97，展示了模型的稳健性和高性能。
Caradu等人 (2021)：使用专有的全自动分割软件（PRAEVAorta，由Nurea开发）检测主动脉腔和肾下AAA特征（如血栓）。比较全自动软件和高级血管外科医生的测量结果和处理时间。结果：全自动和手动分割的主动脉体积、表面积和直径测量的相关性高（皮尔逊相关系数>0.90），全自动软件的分割时间显著减少。
Hahn等人 (2020)：使用深度学习算法检测术后CTA图像上的内漏。使用Refinedet CNN在334个术后CTA图像（191名患者）上进行检测。结果：模型表现高（AUC=0.94），需要在更大的CTA数据集上进行外部验证，并进行前瞻性研究，然后才能将此AI算法在临床工作流程中使用。
Talebi等人 (2020)：评估深度神经网络在CTA中检测内漏的效用。使用一种新颖的数据增强方法评估深度学习模型。结果：ML算法在直接比较中的表现与心血管专家放射科医生相似，并优于一般放射科医生（AUC=0.99）。
3.3 动脉粥样硬化性心血管疾病的检测与管理
动脉粥样硬化性心血管疾病（ASCVD）是全球主要死亡原因。AI工具可以自动检测高风险亚组、预测未来心血管事件的风险、识别他汀类药物使用率和不使用的原因，并计算冠状动脉钙化评分。例如，ML模型可以预测不同种族患者的ASCVD风险，NLP模型可以识别EHR数据中的他汀类药物使用情况。
4
AI在临床工作流程中的优势与挑战
AI的优势包括提高诊断和治疗的准确性和效率，减少医生的工作负担。挑战包括数据操作性、模型偏差和泛化能力、前瞻性评估、隐私和安全问题以及法规合规。多学科和多机构的合作以及制定AI整合的框架将是AI工具成功应用于临床实践的关键。例如，NOTIFY-1研究使用自动化ML方法识别基于胸部CT的CAC的ASCVD高风险患者，并将这种风险分层与临床干预相结合。
5
结论
AI在血管外科和心血管疾病中的应用展示了其巨大的潜力和前景。通过提高疾病的检测和管理，AI可以显著改善患者的健康结果。然而，为了实现AI在临床工作流程中的广泛应用，还需要解决一系列挑战，特别是数据的互操作性和模型的泛化能力。只有通过多方合作和不断优化，才能真正实现AI在医疗保健领域的巨大价值。
赵宁 李拥军
6
原文信息
Artificial Intelligence in Clinical Workflow Processes in Vascular Surgery and Beyond
Shernaz S. Dossabhoy, MD, MBA1, Vy T. Ho, MD, MS1, Elsie G. Ross, MD, MSc1, Fatima Rodriguez, MD, MPH2, Shipra Arya, MD, SM1
1Division of Vascular Surgery, Stanford University School of Medicine, CA
2Division of Cardiovascular Medicine and Cardiovascular Institute, Stanford University, CA
Semin Vasc Surg. 2023 September; 36(3): 401–412. doi:10.1053/j.semvascsurg.2023.07.002
本文原发于微信公众号「北京医院血管外科」（2024-07-25 16:31）。点击阅读原文