IBMが心機能を数分でシミュレートするAIを開発、診断を劇的に高速化

• ハイパフォーマンスコンピューティングアルゴリズムで仮想FFR（vFFR）シミュレーションを改善する新手法
• アルゴリズムは機械学習とガウシアン過程回帰と呼ばれる深層学習加速手法に基づく
• 心臓内で起きていることを1〜2分で完璧にシミュレート可能

ほとんどの心筋力学マルチスケールモデルは有望に見えますが、診断と治療の面では能力がかなり限定的です。臨床データの効率的な処理、未固定変数の制約、計算複雑性の処理ができないため、臨床判断と医療ケアへの効果的な支援ができません。

最も一般的な心疾患は冠動脈疾患（CAD）で、米国の成人約1,650万人に影響を与えています。また、米国における男女両方の死因第1位でもあります。クリーブランドクリニックによると、米国では40秒ごとに誰かが心臓発作を起こしています。

これは、動脈内壁への脂肪とコレステロール（プラークとして知られる）の蓄積により、冠動脈が閉塞（または狭窄）する状態です。これらのプラークが血流を制限し、心臓発作につながる可能性があります。

動脈内血流のシミュレーション

このような疾患の診断を強化するため、研究者たちは仮想Fractional Flow Reserve（vFFR）と呼ばれる技術を用いて、動脈の閉塞を調べる新しい方法を模索しています。これは計算流体力学（CFD）とX線血管造影を利用して流体の動きを調査し、冠動脈内の血流をシミュレートします。

動脈内のプラークを観察するには、患者は高張性薬剤の注射を受ける必要があります。しかし、このタイプのシミュレーションでは圧力ワイヤーカテーテルの必要性が排除されます。

計算流体力学アルゴリズムに基づく既存のvFFRでは、完全なシミュレーションの生成に1日以上かかることがよくあります。vFFR手法を効果的に活用するには、診断精度を落とさずに実行アルゴリズムを改善する必要があります。完全なシミュレーションを数分で計算でき、閉塞動脈のより広範な視野を提供できるべきです。

これらの要件を満たすため、IBMの研究者たちはハイパフォーマンスコンピューティングアルゴリズムを用いてvFFRシミュレーションを改善する新手法を開発しました。アルゴリズムは機械学習と、ガウシアン過程回帰と呼ばれる深層学習加速手法に基づいています。目的関数が容易に微分できないトリッキーなシナリオでも、最適化アルゴリズムを支援するために使用できます。

参照: Frontiers Physiology | doi:10.3389/fphys.2018.01002 | IBM

アルゴリズムは、梗塞のサイズ、位置、壁貫通深度を入力変数として受け取り、シミュレーションの変化を計算します。さまざまな位置と形状の梗塞について40回のシミュレーションを実行可能です。有限要素シミュレーションの結果で訓練された後、アルゴリズムは複雑な効果を調査するための有用な表現を提供します。

vFFRベース診断のための血行動態シミュレーションは、NVIDIA Tesla V100 GPU搭載のPOWER9システム上で1〜2分で実行されます。研究者たちによると、これはほぼリアルタイムで実行された初めての同種シミュレーションです。

迅速なモデルシミュレーションは手作業を削減し、臨床医が心臓状態を迅速に調べられるようにし、検査報告を待つ患者の精神的負担を軽減します。

IBMは、人工知能と生物理学的モデルを用いて心臓の内部メカニズムの完全でより正確な像を構築する取り組みの一環としてこの研究を行っています。心臓内部で起きていることを細胞および解剖学的レベルで可視化する新技術を発表しています。