IBM 的新 AI 在几分钟内模拟心脏功能

大多数心脏力学的多尺度模型看起来很有前景，但在诊断和治疗方面，它们的能力非常有限。由于它们无法有效处理临床数据、约束不固定变量和处理计算复杂性，因此无法为临床决策和医疗护理提供有效帮助。

最常见的心脏病类型是冠状动脉疾病 (CAD)，它影响了近 1650 万美国成年人。它也是美国女性和男性死亡的主要原因。根据克利夫兰诊所的数据，美国每 40 秒就有一个人心脏病发作。

这是一种冠状动脉由于脂肪和胆固醇（称为斑块）沉积在动脉内壁上而阻塞（或变窄）的情况。这些斑块限制了可能导致心脏病发作的血液流动。

为了加强对此类疾病的诊断，研究人员正在探索使用称为虚拟血流储备分数 (vFFR) 的技术来检查动脉阻塞的新方法。它利用计算流体动力学和 X 射线血管造影来研究流体运动并模拟冠状动脉中的血液流动。

为了观察动脉内的斑块，患者需要接受充血剂注射。然而，这些类型的模拟消除了对压力线导管的要求。

基于计算流体动力学算法的现有 vFFR 通常需要一天多的时间才能生成完整的模拟。为了有效地利用 vFFR 方法，有必要在不降低诊断准确性的情况下改进它们运行的算法。它应该能够在几分钟内计算出完整的模拟，从而提供更广泛的阻塞动脉视图。

为了满足这些要求，IBM 研究人员开发了一种新方法，该方法使用高性能计算算法来改进 vFFR 模拟。该算法基于称为高斯过程回归的机器学习和深度学习加速方法。它可用于辅助优化算法，即使在目标函数无法轻易区分的棘手场景中也是如此。

参考：前沿生理学 | doi:10.3389/fphys.2018.01002 | IBM

该算法将梗塞的大小、位置和透壁深度作为输入变量，并在模拟中计算模型变化。它可以对不同位置和形状的梗塞进行 40 次模拟。在对有限元模拟结果进行训练后，该算法为研究复杂效应提供了有用的表示。

在配备 NVIDIA Tesla V100 GPU 的 POWER9 系统上，基于 vFFR 的诊断的血液动力学模拟可在 1-2 分钟内执行。据研究人员称，这是同类模拟中第一次几乎实时执行。

快速的模型模拟可以减少体力劳动，帮助临床医生快速检查心脏状况，减轻患者等待检测报告的心理负担。

阅读：谷歌开发人工智能，通过扫描你的眼睛来预测心脏病

这项研究是 IBM 工作的一部分，旨在利用人工智能和生物物理模型构建完整、更精确的心脏内部机制图。他们发表了新技术，可以在细胞和解剖学水平上可视化心脏内部的情况。

工业技术