心臟主要由三條冠狀動脈供應心臟本身所需的氧氣及養分，若動脈阻塞，即可能造成「心肌梗塞」。冠狀動脈阻塞的原因之一是因血脂形成的斑塊沉積於血管內壁造成血管壁增厚，在日積月累下管腔越來越窄，最後使得心肌缺氧壞死。根據衛生福利部106年國人十大死因統計，心臟疾病為台灣十大死因第二名，但是其相關心血管疾病之死亡率已超過佔據首位的癌症；尤其九成急性心肌梗塞病人到院前便已死亡，是一項不容忽視的疾病。

心血管疾病初期多半沒有明顯症狀，而有高血糖、高血壓、高血脂、吸菸者、高齡、急性心肌梗塞家族病史者，屬於心血管疾病高危險族群，更需評估未來心血管疾病的風險，進而及早規畫進一步的預防及介入處理。

藉由人工智慧深度學習 偵測冠狀動脈斑塊病灶

冠狀動脈鈣化是冠狀動脈疾病的重要指標。冠狀動脈上血脂沈積到出現鈣化斑塊，一般來說需要五到十年的時間。冠狀動脈鈣化評估篩檢是非侵襲性，且不必注射顯影劑，是以多層次電腦斷層掃描取樣，重組計算出鈣化指數。心臟血管的鈣化含量分析，主要目的為風險評估，分數越高風險越大，可用以預測未來發生心血管疾病的可能性。藉由鈣化分析，可顯示冠狀動脈鈣化斑塊所在的位置與程度，提供心臟病危險因子的分析，幫助受檢者及醫師做出正確之處置。

目前萬芳醫院放射線科團隊使用臨床診斷上最常用的鈣化計分系統Agatston score做為標記。藉由人工智慧深度學習的助益，萬芳醫院放射線科團隊正進行臨床自動報告輔助診斷系統之開發，透過多例不同病人多角度血管圖檔及鈣化位置程度資訊，自動產生三條大血管、和其他小血管實際鈣化位置及鈣化程度的圖像式報告，藉此輔助臨床診斷工作。

在心臟電腦斷層影像中，除了不需顯影劑的鈣化分析影像，還有需注射顯影劑的電腦斷層血管攝影。急性心肌梗塞的發生也與非鈣化性斑塊的破裂或腐蝕(erosion)有關，因此需要對比劑強化心臟電腦斷層血管影像(CCTA)，其藉由增強冠狀動脈血液的訊號，才能夠辨識非鈣化的斑塊，並更進一步確認血管的狹窄程度。藉由深度學習的模型，能夠開發出自動辨識CCTA影像，並偵測出冠狀動脈結構與定位斑塊病灶，能夠協助臨床診斷醫師更有效率地完成判讀，並輔助產生報告，加速診斷流程，減少病患等待影像報告時間。

圖一、萬芳團隊使用標準鈣化計分系統軟體做為標記工具

圖二、萬芳團隊使用有效率軟體標記血管位置