摘要
心血管疾病為全球第一致死疾病，而冠狀動脈疾病為主要，其中超過半數為突發急性冠心症，其引發的猝死或心肌梗塞約四分之一病患在發病前沒有相關臨床症狀，在預測心血管疾病的研究上，血管鈣化分數診斷一直是重要議題。本計畫團隊運用前期科技部計畫開發之人工智慧自動全胸腔電腦斷層(CT)心臟/主動脈鈣化定量模型(HeaortaNet)，使用健保影像資料庫無顯影劑胸部CT(>1700例)，已建構基於心臟/胸主動脈分區鈣化及心外周脂肪定量的國人心血管風險模型。然第一版本HeaortaNet仍有改善空間，本計畫預將對心臟鈣化根據部位細分，使升主動脈及主動脈弓鈣化分別定量，並將連續性血壓監測資訊整合進模型，以提供國人提升健康之依據。
計畫特色
本子計畫研究目的與規劃將針對(1) 全方位內臟/體脂肪定量，(2) 全方位血管鈣化分類定量，(3)穿戴裝置訊號演算法開發，及(4)嶄新風險預測模型四方面，分別在資料庫建置/治理、AI模型開發、臨床落地使用、及管理機關(TFDA)認證四方面全面推進AI產業落實，及將傳統慢性病照護—待疾病產生後再照護，「翻轉」為以穿戴式裝置監測生理資訊，配合計畫開發AI模型由生理資訊判斷出血管硬化、鈣化、內臟脂肪累積等亞健康狀態，提早預防疾病發生，並追蹤亞健康指標是否改善，真正落實「上醫治未病」目標。
應用項目
本計畫承先前科技部補助人工智慧心血管影像跨模組大資料庫建置計畫，不僅建置了包含高品質冠狀動脈中心線的large-scale multi-centered cardiovascular CT imagebank (>3,500 cases; ~10 GB)，也開發出下列AI模型：
(1) 心臟/升降主動脈鈣化分數、心外周脂肪、國人存活/住院風險模型：AI模型經健保影像資料AI應用試辦計畫驗證，可導入醫療院所場域應用。
a. HeaortaNet AI模型心臟/胸主動脈分割經健保影像資料庫驗證跨機型執行性。
b. 3家醫學中心資料跨醫學中心聯邦學習。
c. 心臟/升降主動脈鈣化分數自動計算AI模型。
d. 落地於健保資料庫-以胸腔鈣化/心包膜脂肪及疾病診斷估算國人存活/住院風險AI模型。
(2) 落地於台大醫院影像醫學部診斷工作流程：影像可執行AI分割及鈣化模型運算，並且醫師可進行feedback及報告輸出。
(3) 落地於社區、民眾，與穿戴裝置的應用整合：
本團隊與聯發科、中央大學團隊，藉智慧裝置所提取的手腕PPG和ECG信號特徵，讓穿戴設備具預測PWV及長期監測血管狀況的可行性，並落地於社區應用以及個人化的健康管理，建立一個身心健康管理平台，可以整合多種的居家生理裝置包含穿戴心電圖、PPG、PWV、身高體重、Cuffless血壓、血糖、血氧等數據上傳與管理功能，並透過AI運算統整數值趨勢分析，為使用者提供個人健康改善的建議。
關鍵字
心血管代謝影像、人工智慧、電腦斷層、穿戴裝置、風險預測系統
◎ 計畫主持人
