首个获FDA批准的AI辅助心脏成像系统,是如何诞生的?

简介:

首个获FDA批准的AI辅助心脏成像系统,是如何诞生的?

当多数医疗领域的人工智能应用还在实验阶段时,美国的Arterys公司已经获得FDA批准,在云端使用AI辅助心脏成像。

Arterys开发了一款Cardio DL应用,它使用深度学习来自动完成放射科医生曾经要手动执行的任务,基于常规心脏MRI图像进行自动化的心室分割,精确性可与经验丰富的医生相比。这也是第一个被FDA批准的,在临床中使用云计算和深度学习的应用。

通过MRI获取心脏图像,是一个复杂且耗时的过程。传统上,放射科医生会使用软件来分割和绘制心室周围的轮廓,以确定心脏的运行状况。而新的AI辅助软件可以用深度生习生成心室内外的轮廓,加速处理过程并提高准确性。

据雷锋网(公众号:雷锋网)了解,Arterys在开发过程中,挖掘了3000多个心脏病例数据。据称,Cardio DL会生成可编辑的自动轮廓,能在几秒钟内准确提供心脏测量,相比之下,手动处理可能要一个小时。Arterys还有一个独特的临床标注平台,每次用户查看平台上的研究时,它就会收集真实数据。将来,这些收集上来的数据,还可以用来优化深度学习模型。

该程序在去年12月已经在欧洲获得CE认证,可以在标准的Web浏览器中运行。患者的数据会被发送到云端进行计算分析,只有医院和医生知道患者的身份。

Arterys公司在2016年3月获得了1200万美元的A轮融资,投资人包括GE Ventures,Stanford-StartX基金和Norwich Ventures和Emergent Medical Partners等。此前的投资人AME Cloud Ventures和Morado Ventures也参与其中。

首个获FDA批准的AI辅助心脏成像系统,是如何诞生的?

而提到GE Ventures,就不得不说其实Arterys的成就,与另一家医疗设备公司GE Healthcare有关。

当在数年前想把MRI图像转换成多维时,GE Healthcare想解决这样一个问题:

当一个病人患有心脏病的症状时,心脏病学家推荐病人的心脏瓣膜之一已经磨损或畸形。心脏跳动,让血液从一个腔室流动到下一个腔室时,瓣膜应该完全关闭,防止血液回流。然后瓣膜重新打开,让血液再次涌入。

当前的成像工具,如超声心动图和MRI,可以帮助医生了解心脏结构,评估瓣膜的状况,但很难显现出瓣膜损坏到了什么程度。这往往意味着医生必须做一个艰难的选择:要么给病人做侵入性的心脏手术,这就存在很大风险;要么通过药物控制病情,但如果情况比想像的更糟糕,也会带来更大风险。

在现有技术中,医生只能在怀疑有瓣膜损伤的部分,尽力指导MRI技术人员获取心脏平面的2D横截面图像。整个过程可能长达90分钟,而且会对病人带来压力,因为他们需要保持平静,并不断反复呼吸。

除了花时间指导MRI扫描外,医生还要解读图像,即在扫描图像上描绘出心肌的轮廓。然后他们会用软件计算通过心室、瓣膜和血管的血流量。

所以,GE Healthcare希望能够提供更完整的三维数据,除了包括心血管结构,还包括血液的流动状况。这种成像又被称为4D Flow,即收集三维的空间数据,以及第四维的时间数据。公司希望加快数据采集速度,节省医生和患者的时间。它预期会将检查时间减少到10分钟,而且患者不需要屏住呼吸。

结果是它做到了,其中用到的主要技术,是对在MRI扫描中对准胸部的射频脉冲序列进行重新编程。为特定诊断目的而调整医学成像设备时,也常用这种方法。

GE Healthcare努力的结果是,会对整个胸部(当然也包括心脏)生成许多2D切片(或g平面)的堆栈。但即使如此,医生还是要分析所有这些切片,才能找到可疑的心脏缺陷。

这时,斯坦福一位临床医生Albert Hsiao出现了。由于出众的软件开发经验,他开发出了一个图形程序原型,可以将所有那些2D切片组装成一个3D图像,并显示跳动的心脏中的血流量。

正是这个想法,直接导致在2011年,Arterys公司的正式成立,这也注定了它主要的业务是在心脏成像领域。

首个获FDA批准的AI辅助心脏成像系统,是如何诞生的?

而在约五年前,GE Healthcare认识到了MRI的一些局限,并开始与斯坦福大学医生合作下一代MRI技术,以便更好地诊断心脏病。

这项工作的结果是,新的扫描结果可以显示患者跳动着的心脏的3D动画,而且图像能旋转,从任何角度查看。现在,这些扫描仪仅在斯坦福和其它9个医学中心使用。

整个工程用到了多种技术,而且也与Arterys有合作。这是因为,调整过的MRI其产生的原始数据过多,医院现有的设备无法将其融合成医生可直观解释的图像。为了解决这个问题,Arterys利用了“超级马里奥3D”这样游戏中用到的技术,将MRI产生的千兆数据传送到云端进行处理。而新的MRI系统就是ViosWorks。

整套ViosWorks系统的的设置加扫描时间只要30分钟,不像传统MRI那样要90分钟,这样医疗中心每天可以用同一台扫描仪检查更多患者。而且医生不需要花时间指导MRI技术人员,或计算血流,这些工作几 分钟内就能用基于Web的软件生成。

医院也还能用现有的MRI机器,GE Healthcare就可以调试自家已有15年之久的老仪器。心脏病专家还可以在院外用浏览器查看病人的3D扫描影像。

去年11月,Arterys获得了FDA 510(k)批准,获批的软件如上面所述的,会连接到MRI机器,可以对通过心脏的血流做非侵入性的精确量化。整套系统已经开始商业化,它安装在GE Healthcare的MRI扫描仪上,通过ViosWorks应用使用。而到今年1月,Arterys又再次获批在云端使用AI辅助心脏成像。

除了从事用MRI数据构建3D图像这样的工作外,Arterys还开发了用于保护患者隐私的软件。这种软件会在扫描文件上传到云端之前,从中去除个人身份信息。

GE Healthcare和Arterys两家公司还希望使用机器学习,从不同个人的MRI数据中提取洞见,比如找出 一些可用于预测心脏状况发展的图像特征,或找到某种可能的治疗方式。

另外,类似的技术还可以用于心脏病以外的疾病,Arterys已经计划将其服务扩展到肿瘤学成像,使用AI来跟踪肿瘤是如何变化的。当然,这需要额外的FDA认证。

本文参考来源:medcityXconomyPR Newswire

雷锋网推荐阅读:

雷锋网详解:智能医学影像分析的前沿与挑战 | 硬创公开课

飞利浦脑洞大开的“VR“科技,如何助力钉子准确打入脊柱?

哈佛大学发布可植入软体机器人,为衰竭的心脏在无需接触血液的情况下泵血


本文作者:张驰

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
27天前
|
机器学习/深度学习 人工智能 监控
AI算法分析,智慧城管AI智能识别系统源码
AI视频分析技术应用于智慧城管系统,通过监控摄像头实时识别违法行为,如违规摆摊、垃圾、违章停车等,实现非现场执法和预警。算法平台检测街面秩序(出店、游商、机动车、占道)和市容环境(垃圾、晾晒、垃圾桶、路面不洁、漂浮物、乱堆物料),助力及时处理问题,提升城市管理效率。
AI算法分析,智慧城管AI智能识别系统源码
|
1天前
|
人工智能 前端开发 Java
Java语言开发的AI智慧导诊系统源码springboot+redis 3D互联网智导诊系统源码
智慧导诊解决盲目就诊问题,减轻分诊工作压力。降低挂错号比例,优化就诊流程,有效提高线上线下医疗机构接诊效率。可通过人体画像选择症状部位,了解对应病症信息和推荐就医科室。
27 10
|
12天前
|
机器学习/深度学习 人工智能 运维
构建未来:AI驱动的自适应网络安全防御系统
【4月更文挑战第7天】 在数字时代的浪潮中,网络安全已成为维系信息完整性、保障用户隐私和确保商业连续性的关键。传统的安全防御策略,受限于其静态性质和对新型威胁的响应迟缓,已难以满足日益增长的安全需求。本文将探讨如何利用人工智能(AI)技术打造一个自适应的网络安全防御系统,该系统能够实时分析网络流量,自动识别并响应未知威胁,从而提供更为强大和灵活的保护机制。通过深入剖析AI算法的核心原理及其在网络安全中的应用,我们将展望一个由AI赋能的、更加智能和安全的网络环境。
25 0
|
30天前
|
人工智能 算法 搜索推荐
构建未来:AI在持续学习系统中的创新应用
【2月更文挑战第30天】 本文聚焦于人工智能(AI)技术在持续学习系统(CLS)中的前沿应用,探讨了AI如何促进个体和组织的知识演进与技能提升。通过分析自适应学习算法、数据驱动的个性化推荐以及智能辅助决策支持等关键技术,揭示了AI在推动终身学习和知识管理领域的创新潜力。文章还考察了这些技术在实际部署中面临的挑战,包括数据隐私保护、算法透明度和系统集成问题,并提出了相应的解决策略。
22 3
|
1月前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的创新应用
【2月更文挑战第29天】 在人工智能的不断进步中,一个引人注目的领域是持续学习系统(Continuous Learning Systems, CLS)。这类系统旨在模拟人类学习过程,允许AI模型在不断接收新信息的同时,保持并增强其先前的知识。本文将探讨AI在持续学习领域的最新技术进展,分析其对现有教育模式、工业应用及个人发展的深远影响,同时提出当前面临的主要挑战和潜在的解决方案。
19 1
|
1月前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【2月更文挑战第27天】 在数字化进程加速的背景下,网络安全威胁日益增长,传统的安全防御机制逐渐显得力不从心。本文提出一种基于人工智能技术的自适应网络安全防御系统架构,旨在通过实时分析网络行为和自动调整防御策略来应对复杂多变的网络攻击。该系统利用机器学习算法对异常行为进行检测与分类,并结合深度学习技术实现攻击模式的预测和响应策略的动态优化。文章详细阐述了系统的设计理念、关键技术以及预期效能,展望了AI技术在网络安全领域应用的未来趋势。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应网络安全防御系统
【2月更文挑战第26天】 在数字化时代,网络安全已成为维护信息完整性、确保业务连续性的关键。随着攻击手段的不断进化,传统的安全防御措施已不足以应对日益复杂的威胁。本文将探讨人工智能(AI)如何革新网络安全领域,构建一个自适应的防御系统。通过分析当前网络威胁的演变趋势,结合AI技术的实时数据分析、模式识别和自我学习能力,提出一种智能化的安全框架。该框架能够动态调整安全策略,预防未知攻击,并减少误报,从而为网络环境提供更加坚固的保护。
|
1月前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【2月更文挑战第24天】 随着人工智能技术的飞速发展,持续学习系统(Continuous Learning Systems, CLS)已成为AI研究的前沿领域。这类系统旨在模拟人类学习过程,实现机器学习模型在学习新任务时不遗忘旧知识的能力。本文将深入探讨AI在构建持续学习系统中的关键技术和挑战,包括知识蒸馏、正则化策略、记忆增强网络等方法。通过这些技术,AI能够逐步建立起类似人类的学习曲线,为未来的自适应和普适性学习铺平道路。
|
1月前
|
人工智能 程序员 Shell
全球首个AI程序员诞生
【2月更文挑战第23天】全球首个AI程序员诞生
58 1
全球首个AI程序员诞生
|
1月前
|
存储 人工智能 自然语言处理
“智能+”时代,深维智信如何借助阿里云打造AI内容生成系统
随着数字经济的发展,线上数字化远程销售模式越来越成为一种主流,销售流程也演变为线上视频会议、线下拜访等多种方式的结合。根据Gartner报告,到2025 年60%的B2B 销售组织将从基于经验和直觉的销售转变为数据驱动的销售,将销售流程、销售数据、销售分析合并形成一致的运营实践。
394 0
“智能+”时代,深维智信如何借助阿里云打造AI内容生成系统