Introduction
心血管疾病是世界上主要的死亡原因，大約四分之一的患者在發病前沒有相關症狀。從心血管成像研究中獲得的參數，包括冠狀動脈和主動脈鈣化，以及心外膜脂肪體積，可以提供重要的預後信息並作為風險分層工具。
本團隊在2000年代後期率先發現通過計算機斷層掃描 (CT) 圖像計算的心外膜脂肪量和局部厚度與主動脈/冠狀動脈鈣化、冠狀動脈斑塊負荷和多種心血管危險因素密切相關。為了評估心外膜脂肪量，研究人員需要對所有 CT 切片的心包層進行一張一張的標註，一個病例大約需要 60 分鐘。雖然胸部CT影像被廣泛用於早期肺癌篩查，但目前還沒有工具可以快速量化心臟/主動脈鈣化和心外膜脂肪組織。
台大TW-CVAI（Taiwan-CardioVascular Artificial Intelligence）團隊聯合研發的“心包膜/主動脈自動分割AI模型（HeaortaNet）”，是整合影像分割、心血管疾病指標分析和串接心血管風險預測模型的一站式分析工具。
HeaortaNet AI 模型是基於 Unet、注意力機制及變分自編碼器/解碼器結構的深度學習模型，以兩百筆大於七萬張去識別無顯影劑胸部電腦斷層影像，經心臟/放射科醫師檢覈心包膜及升降主動脈輪廓標註準確，將臨床需60分鐘的影像分割程序縮短至0.4秒，分割心包膜準確度94.8%，升/降主動脈91.6%。
HeaortaNet 技術已在台灣和美國申請專利（台灣案號 111120307；美國案號 17/804,839）。在2021年3月成為台大醫院第一個正式批准的AI模型，於影像醫學部輔助檢測和診斷。目前HeaortaNet已經分析了5000多筆無顯影劑胸部 CT studies。 HeaortaNet推動台大醫院新竹分院於2022年2月開設心臟影像特別門診。HeaortaNet 1.0 模型獲NVIDIA認證放置於NVIDIA GPU Cloud (NGC)雲端平台系統供全球AI研究標註使用。
HeaortaNet 1.0 模型已應用於健保署影像資料庫中450,000多名患者的無顯影胸部CT影像，驗證其在CT機型中的普適性。基於全國保險理賠數據的影像心血管風險預測模型正在開發中。健保署的健康提醒系統即將發布具HeaortaNet的分析結果，可促進台灣所有人的健康行為和早期預防，亦是全球第一次在全國范圍內實施。
本團隊不斷升級HeaortaNet 1.0模型，分割主動脈和心臟的不同區段，分別量化冠狀動脈和主動脈沿線的鈣化和脂肪組織。 HeaortaNet榮獲2021未來科技獎和第18屆國家新創獎。
