日本東北大學的助教安西眸等人開發了一種技術，該技術是利用AI的深度學習（Deep learning，人工智慧的一種），可以從血管的斷層掃描（CT）影像中快速預測心臟周圍冠狀動脈内的流速和壓力。目前很多心臟病都是由於冠狀動脈的異常引起的。透過該技術的應用開發，將更容易選擇冶癒方法並制定實施計劃。
在進行冠狀動脈搭橋手術前，必須找到搭橋的最佳位置（照片爲國立循環器病研究中心提供）
在日本，心臟病是主要死亡的終極因數之一，僅次於癌症。 因心絞痛和心肌梗的死亡約佔死亡人數的30%。這些都是由於將養分運送到心臟的冠狀動脈變狹窄，從而導致血液無法到達末端。通常被認爲是由於生活方式的問題等導致膽固醇在血管中堆積所致。
冠狀動脈的異常可以透過手術冶癒，在堵塞的部位周圍建立一個旁路（Bypass）。爲了找到最佳的分叉流位置，需要在血管中插入一根導管來測量血流速度和壓力。然而，由於存在傳染的風險，也有不使用導管的方法。
其中之一就是「CFD分析」方法，透過CT擷取血管的形狀，在電腦上估算流速等參數。由於精準度高，在2018年，作爲醫療創業公司的HeartFlow Japan G.K.（位於東京都港區）的技術被納入保險範圍。唯一需要挑戰的課題是：高精度計算，需要電腦運行幾個小時，處理完所有的程式後才能得出結果。
此次，安西助教等人利用可以深度學習的AI預測流速和其他參數，而無需進行CFD分析。他們使用約100人的冠狀動脈和主動脈的CT影像，透過稍微修改血管的形狀，建立了約1000人份的資料。將這些資料透過「CFD分析」來估算流速等參數，並對AI進行訓練。
透過學習之後，只根據另一條血管的形狀來預測流速和壓力時，僅用了約1秒鐘就得出了結果。而且其結果與「CFD分析」結果的差異小於10%，針對冠狀動脈的差異小於5%。 安西助教說：「它也可能與導管測量有關」。並且還能夠很準確地預測到旁路建立後的血管。
安西助教等人期待透過這項技術能夠更加靈活地規畫冶癒方案。當醫學家們在考慮方案時，如果能在電腦上立即對旁路模式進行測試，將更容易找到最佳的流動路徑。
將來，該技術還可應用於檢查手術中的血流恢復的情況。如果發現在建立旁路後的血流異常仍然沒有完全恢復，也可以繼續操作手術，從而可以提高冶癒效果。
研究團隊正在考慮今後能否將預測技術應用到其他器官上。除了心臟以外，還在研究疾病與大腦、腿部等部位血流異常的關係。
日文：尾崎 達也、《日經產業新聞》、2021年3月8日
中文：JST客觀日本編輯部
