分享Albert Hsiao博士聯合開發了新的ViosWorks MR軟件包，以幫助加快心髒MRI檢查
這一切都始於在全國最好的醫院之一提出的一個簡單的請求。
"嘿，我想給你看樣東西"
Anja Brau在斯坦福醫院的地下室結束了與Albert Hsiao醫生的會議，他是醫學博士，博士，當時是斯坦福的放射科住院醫生。蕭擁有計算機科學學士學位和生物工程博士學位，他想向她展示他編寫的心髒軟件，該軟件可以可視化從斯坦福大學開發的核磁共振序列獲得的4D血流數據，在一次掃描中捕捉心血管血流和解剖結構。多年來，他一直在業餘時間擺弄這些代碼，但他認為自己終於有東西可以分享了。
布勞曾在通用電氣醫療保健公司工作，該公司是斯坦福大學和肖醫生等醫生在開發新的磁共振技術以幫助診斷心髒病方麵的長期合作夥伴。當她看著蕭醫生的電腦屏幕時，她立刻意識到他們在看一些特別的東西。
“我記得他給我看了這些跳動心髒的彩色流動3D效果圖。我說，‘你從哪兒弄來的?’艾伯特說，‘這是我寫的。’這太神奇了——它已經比我們看到的其他軟件包好得多了。”
Hsiao, Brau和其他人一起改進了臨床使用的成像軟件，現在它構成了ViosWorks的基礎，ViosWorks是一種開創性的新型MR軟件解決方案，可以在10分鍾或更短的時間內完成心血管解剖、功能和血流的掃描，顯著簡化了以往需要一兩個小時才能完成的心髒MRI檢查。
ViosWorks通過顯示7個維度的結果，幫助醫生前所未有地看到心髒:3個維度是空間，1個維度是時間，3個方向是速度。它以移動的圖像顯示心髒中的血液流動，很像3D動畫電影，並允許臨床醫生從任何角度旋轉和查看圖像。
通過提供血流的定量測量，ViosWorks可以幫助臨床醫生判斷血液是否在以正常的方式流經心髒，或者是否存在可能需要手術幹預的心血管異常。傳統的MR技術測量流量僅限於二維解剖斷麵視圖，而不是完整的三維體積，獲取和分析非常耗時。
Brau說:“如何使用它是一個學習曲線，因為它是從二維流動成像的範式轉變，但一旦醫生學會了它，他們就會喜歡上它，因為它的速度、簡單和直觀的心血管健康3D表示。”
肖醫生幾乎每天都在臨床環境中使用他的技術。“這有點虎頭蛇尾，因為現在這太例行公事了。我連想都沒想過。”“考試真的很簡單。我們通常可以在半小時內完成臨床檢查，並有時間來開發下一個偉大的技術。而這一切都是因為ViosWorks。”
ViosWorks中的軟件和算法不僅有助於加快心髒成像過程，還提供了高質量的圖像。此外，患者不必屏住呼吸，更快的檢查意味著設備可以在同一時間為更多的患者提供服務。
蕭博士說，通用電氣和斯坦福的合作是ViosWorks成為現實的第一步。
“通用電氣和斯坦福大學(以及現在通用電氣和加州大學聖地亞哥醫學院(UC San Diego School of Medicine)合作的整個概念是為什麼這是可能的核心原因，肖曉東目前是該校轉化成像和精確醫學中心的助理教授和心血管成像副主任。它證明了長期的學術-產業合作關係是多麼富有成效，”他說。
人工智能和MR的未來
ViosWorks由Arterys公司提供支持，Arterys是蕭博士在2012年共同創立的公司，專門從事人工智能(AI)支持的基於網絡的醫療成像分析。它提供了創新的雲超級計算和人工智能輔助，以加快醫生的日常工作流程。
當蕭博士最初開始調整斯坦福大學的MR掃描儀為他的軟件捕獲信息時，它們捕獲了太多的原始數據，以至於醫院的計算機無法有效地將所有數據處理成醫生可以解釋的圖像。
為了解決這一障礙，蕭博士和Arterys研究了現代3D視頻遊戲背後的技術，通過多個圖形處理單元(GPU)核心分發大量3D數據。伴隨著這種方法，Arterys能夠開發一個基於雲的係統來管理和快速處理每個心髒圖像背後的千兆磁共振數據。
在很多方麵，Arterys打破了圖像分析的方式和支持它的基礎設施的模式。我們剛剛開始觸及基礎設施的可能性，Arterys還在繼續添加分析功能。”
Arterys是第一家獲得fda批準的雲計算AI算法的公司，他們開發了該算法來測量心髒的大小和功能。過去，為了測量心髒的功能，蕭博士在圖像上畫圓圈來測量心髒腔室的大小。
他說:“我們基本上就是一群拿著高薪的幼兒園孩子，用著相當於微軟Paint的軟件。”“現在我們已經訓練了一個人工智能算法來計算心髒容量和功能，這是更有效地利用時間。”
“圖像中有很多我們無法獲取的數據。由於我們隻有這麼多的時間進行診斷或分析，我們隻能在臨床上使用其中的一小部分信息。人工智能可以幫助我們實現這一目標，它有可能成為自動收集量化數據的工具，更好地預測預後，並幫助我們在進行心髒移植之前延長患者的生存時間，”蕭醫生說。
他說:“我們可以利用人工智能在一次考試中收集的數千張圖片上進行世界上最極端的幼兒園繞圈練習。”“一點一點地，我們正在把這些讓大腦麻木的任務，交給人工智能，讓醫生更有用，這樣就可以把更多的時間放在病人身上。”
很快，他相信人工智能的這些進步將被應用於許多其他疾病，比如癌症。
他說:“如果我們能將成像和基因組數據結合起來，那將是非常強大的。”“我們還沒有能力對這兩套技術結合後產生的海量個人患者數據進行分類。但我們開始看到人工智能處理這些數據的前景。在那裏，我們將能夠為患者提供更精確的治療，為他們和他們的特定腫瘤量身定製。”
