用AI检测心脏病效率更高 - 安防知识网 - 资讯 - 法兰克福展览（深圳）有限公司

冠状动脉心脏病每年导致全球近900万人死亡，每年确诊的美国人高达1,200万至1,300万。现在，一家个性化医疗技术公司HeartFlow表示，通过使用GPU加速深度学习，人工智能(AI)将为心脏病的治疗找到更好的解决方案。

冠状动脉心脏病每年导致全球近900万人死亡，每年确诊的美国人高达1,200万至1,300万。现在，一家个性化医疗技术公司HeartFlow表示，通过使用GPU加速深度学习，人工智能(AI)将为心脏病的治疗找到更好的解决方案。

　　心脏病的强大破坏性来自于很多人在发病前都没有发现它。不幸的是，这种疾病经常被误诊，特别是女性。医生诊断心脏病并不容易，截至目前最佳的测试方法是侵入性的血管造影手术，但这种手术相当昂贵。

　　HeartFlow提供的是一种非侵入性的替代方案，该方案结合了全球医疗保健机构都在使用的标准CT扫描，并使用了复杂的流体动力学和深度学习算法，能提供患者心脏的3D地图，包含血管阻塞和血流的详细视图，为医生提供诊断基础。

　　这种方法让临床医生能为每个患者提供适当的治疗，可望大幅提高生活质量。这也意味着60%的患者可以不用做血管造影，医疗保健系统的成本能够降低25%。

AI能进行更高效的医疗判断？

　　建立个性化的心脏模型非常困难，除了为每个患者创建一个亚体素(准确的模型)之外，HeartFlow的系统必须仿真血液、血管的流动，同时需要适应医疗紧凑的急救时间。

　　“当疑似冠心病的患者出现在急诊室时，医生需要快速诊断，”HeartFlow工程高级副总裁Leo Grady说。

　　为了解决这个问题，HeartFlow通过英伟达(Nvidia)的GPU展开深度学习。该公司采用新颖的血管特异性结构，将常规深度学习应用于血管分析。其计算器视觉算法分析医学成像数据，通过理解CT扫描中的信息来创建患者心脏和冠状动脉的个性化3D模型。

　　该模型已通过专业人员评估并进行必要的修改，以确保基于成像数据的模型精度和准确性。这些修改令算法能够学习和改进，让算法在处理更多图像的条件下不断增加精确度。

　　全球各地已经有许多医疗机构采用HeartFlow解决方案，并获得美国食品和药物管理局和英国国家健康及临床卓越研究所的支持。

　　Grady指出，通过采用GPU加速深度学习，能帮助医生更快地做出明确和个性化的决策，这意味着能为患者带来更多益处，同时节省医疗保健系统的成本。