AI驱动的缺血性心血管疾病的生物力学研究

      缺血性心血管疾病严重影响人类健康，常见的冠心病就是典型的缺血性心血管疾病。冠心病是冠状动脉的主要血管发生狭窄引起的病变，导致心肌缺血，引起心绞痛、心衰甚至死亡。诊断心肌缺血的金标准是血流储备分数（FFR）。目前，临床上通过介入压力导丝测量血流储备分数，但是，这种方法需要注射血管扩张药物腺苷，有一定的药物毒性；同时，压力导丝是有创测量，增加术中风险，并且，压力导丝价格昂贵，增加患者负担。发展安全无创、价格友好的血流储备分数计算方法对创新诊断心肌缺血具有重要的科学意义和临床价值。通过冠状动脉的CTA影像获得血流储备分数（简称CT-FFR）是重要的发展方向。CT-FFR不需要注射血管扩张药物，也不需要介入有创测量，是典型的安全无创、物美价廉的好方法。但是，如何快速、准确获得CT-FFR是心血管生物力学研究的热点和难点问题，即如何实现CT-FFR既算得准又算得快是问题的关键。获得CT-FFR的方法有两种，一种是通过生物力学建模计算获得，另一种是通过机器学习训练预测获得。前者，能够解决算得准的问题，但不能解决算得快的问题，后者能够解决算得快的问题，但是准确率、可解释性差。本报告系统介绍CT-FFR计算生物力学方法的同时，概述人工智能（AI）在心血管生物力学中的应用，结合计算生物力学模型的原理，利用人工智能的PINN方法，解决CT-FFR算得准、算得快的问题。

      谭文长，北京大学教授、博导、国家重大人才工程特聘教授。 2008年获得青年科学基金项目（A类），2015年获得教育部自然科学一等奖（第一完成人），2016年获得国务院政府特殊津贴，2021年担任国家重点研发计划项目负责人、首席科学家。长期从事心血管生物力学的研究工作，在钙火花生物力学、心血管疾病的数值模拟、分数阶反常扩散、微流动、AI驱动的心血管生物力学研究等方面取得了一系列研究成果，发表SCI论文140多篇，被SCI论文引用4500多次，连续多年入选ELSEVIER中国高被引学者。