AI技术助力临床应用

近日，南京大学医学院附属鼓楼医院医学影像科张冰教授团队联合科亚医疗技术团队，在冠状动脉CT血管造影（CTA）的人工智能研究领域取得重要进展。“临床工作中可以省去增强CTA前的平扫，直接进行钙化积分，准确性高，并且避免额外平扫辐射剂量。” 该研究以 “Calcium Scoring in Coronary CT Angiography using Deep Learning”为题首登放射学顶刊Radiology（IF=11.105, JCR 1区）。

研发实力奠定商业布局

科亚医疗自2016年成立至今，一直秉承着“立足临床需求，持续有效创新；运用AI思维，优化诊疗路径”的核心研发理念，从默默无闻的到现在成为引领国内AI医疗行业的先锋者，靠的也正是卓越的研发团及深厚的技术底蕴，更凭此推动了整个AI医疗行业的迅速发展。

如今，科亚医疗更是围绕“产品临床应用”，“医企科研联动”，“商业成果转化“三大维度，倾力打造出了”产、研、用“一体化智慧科研平台，携手医疗机构打造高技术、高应用、高转化的AI技术产品服务！此次发表于Radiology的“Calcium Scoring in Coronary CT Angiography using Deep Learning”研究也正是科亚智慧科研平台所产出的卓越成果。

另外，科亚医疗智慧科研平台近期还有多项研究成果发布在国际知名影像处理和人工智能杂志和会议，如Medical Image Analysis(IF 8.545) , Pattern Recognition (IF 7.740), Computerized Medical Imaging and Graphics (IF 4.790), International Joint Conference on Artificial Intelligence (IJCAI，中国计算机学会A类国际会议)等。

智慧科研技术成果展现

钙化积分是一种评估冠状动脉钙化斑块的定量方法，能够准确评估斑块负荷，从而预测心血管疾病风险。通过对比剂增强的冠状动脉CTA是临床上最常用的一种简单有效而无创的冠状动脉疾病诊断的方法。但是由于造影剂导致血管与钙化不易区分，在冠脉CTA中不能进行钙化积分计算。因此传统钙化评估需要基于额外的CT平扫图像，采用半自动方法进行计算。之前的人工智能算法也一直停留在尝试基于平扫图像得到钙化积分值，无法从冠脉CTA获取。光谱CT是基于探测器的能谱CT，常规冠脉CTA扫描就可以得到能谱序列图像（如虚拟平扫图像）。

在本研究中，团队充分利用能谱CT的物质分离优势，开发了一种基于深度学习方法，自动从CTA进行一站式钙化积分的AI模型。该模型自动计算得到基于CTA的钙化积分与传统半自动平扫CT钙化积分显著正相关（Pearson’s correlation 0.96, p<0.001），基于钙化积分的风险分层一致性高达0.94（weighted kappa=0.94）。利用该模型，92.9%的病人可获得准确风险分层，其效能在不同层厚、不同扫描机型及不同性别患者之间无明显差异。该研究提出的基于深度学习的自动钙化积分计算方法可以准确地从CTA图像中获取钙化积分，并基于此进行心血管疾病风险评估。同时利用该方法可以消除为获取钙化积分所进行的额外CT平扫辐射及操作半自动钙化积分软件导致的人工负担。