IBM利用机器学习描绘更清晰的心脏图，模拟近乎实时

编译：chux

出品：ATYUN订阅号

冠状动脉疾病（CAD）是冠状动脉壁上形成斑块的病症，会导致冠状动脉壁变窄。最终，这可能导致心脏病发作或死亡。这种情况现在是世界上最大的健康问题，每年有超过一百万人在进行心脏导管插入术，其中支架放置在动脉中以防止堵塞。

为了帮助提高诊断效率，临床医生正在探索使用虚拟分数流量储备（vFFR）测量动脉阻塞的新方法。然而，vFFR的当前应用是有限的，因为完成CFD算法模拟可能需要几个小时到几天。为了有效地为患者使用vFFR，CFD算法需要提供更广泛的潜在阻塞动脉，并能够在几分钟内计算完整的模拟，而不会影响诊断的准确性。

IBM团队概述了使用高性能计算，数学和数据改进vFFR模拟的新方法。

这些模拟需要在专为机器学习和深度学习加速而设计的系统上运行。为满足这一需求，澳大利亚的IBM研究人员正在使用带有Nvidia Tesla V100图形处理单元（GPU）的POWER9系统，在一到两分钟内对基于vFFR的诊断进行血液动力学模拟。这是第一个近乎实时完成的应用程序。医生可以近乎实时地看到高性能计算系统产生的血流动力学模拟。

在IBM与Nvidia合作的下，处理模型模拟的速度可以大大节省临床医生和医院的劳动力，基础设施和电力效率。这也意味着临床医生可以更快地分析CAD患者狭窄引起的压力损失，有助于缓解等待测试结果的患者的精神负担。

这项研究是IBM正在进行的工作中的最新一步，旨在通过生物物理模型和AI来发展我们如何获得更准确和完整的心脏内部运作图像。IBM的心脏研究团队已经开展了多项计划，以更好地了解如何以非侵入性方式加强心脏监测。最近，IBM发表了关于构建和参数化更准确的心脏生物力学模型的新方法的研究，能够在解剖学和细胞水平上更好地探索心脏内部正在发生的事情。

在过去一年中，IBM还发表了一项研究，指出结合生物物理模型和机器学习的潜力，有助于预测和确定药物是否可能导致心脏内的不良副作用，如心律失常。理想情况下，有一天，所有这些不同的建模技术可以一起应用，以帮助临床医生对患者的心脏状态进行清晰，微创的评估，以帮助更好地确定治疗方案。