IBM突破：AI在数分钟内模拟心脏功能
- 新方法利用高性能计算算法改进虚拟分数流储备 (vFFR) 模拟。
- 算法基于机器学习和深度学习加速方法——高斯过程回归。
- 可在1-2分钟内完美模拟心脏内部情况。
大多数心脏力学多尺度模型前景广阔，但在诊疗方面能力有限。因无法高效处理临床数据、约束未固定变量、处理计算复杂性，无法为临床决策和医疗提供有效辅助。
最常见心脏病是冠状动脉疾病 (CAD)，影响近1650万美国成年人，也是美国男女首位死因。克利夫兰诊所数据显示，美国每40秒就有人心脏病发作。
这是冠状动脉因脂肪和胆固醇（斑块）在动脉内壁堆积而阻塞或狭窄的疾病。斑块限制血流，可导致心脏病发作。
模拟动脉血流
为改善此类疾病诊断，研究人员探索新方法利用虚拟分数流储备 (vFFR) 技术检查动脉阻塞。它利用计算流体动力学 (CFD) 和X射线血管造影影像研究流体运动、模拟冠状动脉血流。
观察动脉内斑块，患者需接受高血流物质注射。但此类模拟消除了压力导丝导管需求。
基于计算流体动力学算法的现有vFFR通常需超一天生成完整模拟。为有效利用vFFR方法，必须在不降低诊断准确性前提下改进算法，能在几分钟内计算完整模拟，提供更广阔的阻塞动脉视图。
为满足要求，IBM研究人员开发新方法，利用高性能计算算法改进vFFR模拟。算法基于机器学习和深度学习加速方法——高斯过程回归。可用于辅助优化算法，甚至在目标函数难以微分的棘手场景下。
参考：Frontiers Physiology | doi:10.3389/fphys.2018.01002 | IBM
算法以梗死大小、位置和跨壁深度为输入变量，模型计算模拟变化。可执行40种不同位置和形状梗死模拟。在有限元模拟结果训练后，算法为研究复杂效应提供有用表征。
vFFR诊断血流动力学模拟在搭载NVIDIA Tesla V100 GPU的POWER9系统上1-2分钟内执行完毕。研究人员称这是同类模拟首次近实时执行。
快速模型模拟可减少人工劳动，帮助临床医生快速检查心脏状况，减轻患者等待报告的心理负担。
延伸阅读：谷歌开发AI通过扫描眼睛预测心脏病
此研究是IBM利用人工智能和生物物理模型构建完整精确心脏内部机制图景工作的一部分。他们发布新技术在细胞和解剖层面可视化心脏内部活动。
工业技术