////////////////////////////////////////
结构性心脏病(SHD)是心血管学研究中的一个新领域。传统的成像方法不能满足外科心脏病（SHD）介入手术的需要，是因为它们是围绕疾病诊断的概念进行构建的。SHD介入手术打破了传统的影像学概念，即需要通过影像来规划、模拟和预测术中结果。在经导管SHD介入手术中，由于缺乏金标准的开放性的外科术野，使术者失去对心脏解剖进行触觉反馈和视觉确认的机会。因此，由于在围手术期指导中对影像学十分依赖，导致新一代的手术技能、视野概念和围手术期规划技术得以迅猛发展，以加速临床前期设备的开发和对医生、患者的教学教育工作。3D打印技术在临床护理和手术规划中的应用表明，在经导管介入治疗中，早期术者的学习曲线有所改善。计算机建模与3D打印的整合加速了在设备测试中对流体力学的研究和理解。3D打印、计算机建模和人工智能的最终结合正在改变以医生培训和以病人为中心的医疗服务的格局。经导管结构性心脏病介入手术需要深入对围术期的心脏病理生理学和设备的相互作用进行理解，而这是传统的影像学指标无法提供的。
经导管介入手术对结构性心脏病领域进行了重新定义。心脏病的介入手术已不再局限于经皮支架植入，而已扩展到经皮瓣膜的修复和置换。然而，在结构性心脏病中仍有一个影像学空白有待填补。与能够触诊心室以提供以病人为中心的解决方案的外科医生不同，经导管介入手术已发展到心脏病学领域而不是心脏外科领域。在这些具体专业中，由于临床医生在有限的医学设备和成像技术中学习培训，从而对人体解剖的解释有所限制。
经导管治疗现已存在于设备开发、医学教育、医学影像和以病人为中心的护理中。在此之前人们从未对经导管治疗的研究拓展产生如此浓厚的兴趣，对人体的3D、4D和解剖生理关系的理解上存在着如此巨大的差距[1]。为在真实手术和影像学以及计算机科学和生物医学工程的未来能力之间搭建桥梁，3D打印、计算机建模和人工智能需要发挥巨大作用。首先，也是最重要的一点，即在临床工作开展之前，临床医生必须了解这些技术的意义、实际应用规范和其中细微的差别。在这篇综述中，我们对这块发展迅猛的领域进行了概述，并举例说明了这一新领域中的实际应用。
3D打印、计算机建模和人工智能的
基础知识
什么是“3D打印”?
3D打印是一种制造技术，也被称为“快速原型或增材制造”。该过程通过将以数字定义的几何图形上沉积多层材料，从而将数字对象转换为3D实物模型。3D打印建模是一个多阶段过程，包括一系列连续的步骤(图1)。针对患者3D打印模型的生成是从高质量的影像数据采集开始，将其转换为适合进一步图像处理的DICOM格式。然后，将DICOM图像导入专门的图像处理软件，以定义和构建所需要的解剖部分，该过程称为分割。分割之后是对患者特定结构的3D模型绘制和数字建模， 3D数字解剖模型以STL文件格式保存，其中包含适合3D打印复杂几何图形的表面网格信息，并且允许通过计算机辅助设计建模和计算机分析加以改进(图2)。
（图1）3D打印流程 3D打印建模从图像采集开始：计算机断层扫描(CT)、三维经食管超声心动图(TEE)或心脏磁共振(CMR)(上图，左侧)。然后将DICOM图像导出，用于分割、绘制和生成STL文件(上图，右侧)。STL文件被导入到计算机辅助设计软件中，用于进一步的打磨光滑、镂空、修剪、颜色编码和切割(下图，右侧)。调整后，将STL文件导出用于3D打印(下图，左侧)。
（图2）STL的概念及“标准式网格化分布语言”数据 STL文件表示不同尺寸的三角形剖面的整合(左图)。在进行3D打印前，干预组应使用轮廓重叠技术(右上图)对模型和STL文件的准确性进行检查。团队还应使用透明可视化技术(底图，右侧)进行薄壁和重叠元素检查，以及自动筛选。
3D打印技术概述
目前已有一些3D打印技术已应用于心血管学中(表1)。立体光刻(SLA)是20世纪80年代发展起来的第一种3D打印技术。它使用紫外线(UV)激光对基材(光敏液体树脂)逐层固化生成3D模型[2]。根据设计，SLA在一个模型中只能使用一种材料。在许多情况下，它需要打印额外的支撑结构，这些支撑结构须随后移除。SLA是生产大型、高度精确和透明的模型的理想选择，例如用于教育、培训和进行流体力学测试的心脏和血管模型。选择性激光烧结(SLS)是一种利用高功率红外激光熔接小颗粒温敏材料的技术[3]。SLS主要用于制造业，而非心血管学。熔融沉积建模(FDM)是一种相对低成本的技术，适用于家庭或办公室的办公用品中。它熔化和挤压小段的热塑性塑料丝或金属丝，并将它们分层沉积[4]。FDM是理想的以相对较低的预算生产兼具刚性和韧性的模型。3D喷墨打印技术的工作原理类似于2D喷墨打印机[5]。它将微小的彩色液态粘合剂滴沉积到离子上，并将粉末层固化，形成彩色的3D模型。喷墨只能使用单一基材。它是印刷复杂的彩色心血管结构插图的理想选择。最后就是Stratasys开发的Polyjet技术，在某种程度上是SLA和喷墨技术的结合。它分层沉积可固化型的紫外线光聚合物，以生成3D模型[6]。通过混合2种或更多的基材，它可以打印具有广泛颜色和物理性质的“数字材料”。3D打印机和3D打印材料是根据3D模型所需的质量、机械参数和成本进行预选的。Polyjet最近已被用于打印具有刚性部分且依从性好的心血管模型中，如伴有钙化病变的主动脉根部[7-9]。
表1 3D打印技术
该过程如何开始:3D打印的数据采集原理
立体图像采集在3D打印中起着至关重要的作用。它不仅决定了三维模型的几何精度，而且还体现了组织属性并指导选择相应适当的印刷材料。许多现代心血管成像技术通过3D打印以用来获得3D或3D+时间图像数据(表2)。对比增强的多排CT和心电图门控/触发一直是进行3D打印前最常用的影像学方法[10]。由于其采集速度快,空间分辨力出色，组织特征鉴别能力强，能从软组织中鉴别出金属植入物和钙化病变。现代CT的时间分辨率在75到200毫秒之间变化。与CT相比，3D心脏磁共振(CMR)具有较低的空间分辨率和较长的采集时间。然而，由于缺乏电离辐射，带自由呼吸技术的3D心脏MRI已被常用于儿童及年轻患者的心室和大血管的结构建模和3D打印中[11、12]。另一方面，由于超声心动图的广泛可用性、高时间分辨率以及易于在床边进行，因此在许多研究中，超声心动图被用于获取3D打印图像[13-15]。三维超声心动图的主要局限性是信噪比较低，从而使得图像后处理和三维建模更具挑战性。此外，由于需要对声学窗的尺寸和时空分辨率之间进行权衡，使得采用超声心动图进行完整的心脏解剖3D建模依然十分困难。
表2 3D打印中的成像技术
数据分割和图像生成原理
将所需要的心脏结构边界描绘成医学图像的过程通常称为图像分割。这是对心脏进行计算机建模的第一步，通常也是最费力的一步。专门的3D分割和建模软件已开发出来，并用于处理SHD患者的DICOM图像。然而在大多数情况下，手工分割/编辑是必需的，因为大多数分割工具基于简单的强度阈值和区域增长，往往不能描绘出具有相似强度剖面的复杂心脏结构的边界。研究中已报告了使用一些商业和免费的工具[16,17]，以及内部开发的工具[18]。最近，基于Al的更复杂图像分割技术已显示出了前景良好的结果[19-21]。
用于计算机建模的心脏组织材料特性主要来自于对动物组织和/或人类尸体的体外生物力学试验[22,23]。然而值得注意的是，活体人体组织的力学特性是不同于动物组织或尸体的。此外，受试者的年龄、性别和病理特征在决定组织性质方面起着至关重要的作用。尽管患者特异性的形态学特征常被用于心脏的计算机建模，但目前只有个别研究采用了患者特异性的材料性质[24]。
3D打印技术在结构性心脏病中的应用
3D打印在TAVR中的应用
针对患者特定的3D打印模型可用于指导经导管主动脉瓣置换术(TAVR)的术前规划、评估TAVR使用瓣膜的大小以及预估瓣周漏的风险[8,17,25-27]。3D打印的主动脉几何结构模型已被证明在对单个患者的血流动力学条件进行建模和TAVR体外植入模拟中是有用的。Maragiannis等人[26,28]开发了一系列针对患者的、柔性的、多材料3D打印的主动脉瓣狭窄模型，该模型中涵盖了柔性主动脉弓内的钙化结构。其团队在3D打印过程中对主动脉瓣和主动脉弓采用柔性材料，而瓣叶内钙化结构则采用硬质材料。随后3D打印的主动脉模型被置于患者特定的血流动力学条件下，从而证明了在体外对患者特定的模型结构进行压力和血流动力学以及对患者超声心动图参数测量的可行性[26,28]。
3D打印在经皮二尖瓣修复术中的应用
日益复杂的经皮二尖瓣修复术的迅速发展催生了许多二尖瓣器械中3D打印技术的创新。最早在共同努力下使得对二尖瓣环和瓣叶的研究不断发展进步，其主要用于对正常和病变瓣膜的结构解剖观察[29,30]。然而，兼具功能性和完整的二尖瓣器械模型（包括瓣环、瓣叶、腱索和乳头肌）是十分必要的，以提供一个功能性的台式工具来测试和模拟以治疗患者为中心的器械。Vukicevic等人[7,31]开发了一种多材料、3D打印的二尖瓣器械模型，适用于针对MitraClip进行台架模拟和经皮二尖瓣修复术的方案制定(图3)。在外科培训中，基于高端3D打印的手术模拟使学员能够在实际介入手术前获得更多修复技术的实践经验(图4，补充视频1)。
（图3）特定患者的多材料3D打印模型 （A）在对比增强的CT图像中提取出MV结构。在心动周期中，针对心脏舒张期和收缩期的不同来采用不同的材料和颜色以对心脏中重要解剖结构进行区分：例如二尖瓣环（粉色）、瓣叶（透明）、腱索（黄色，透明）以及乳突肌（绿色）。（B）通过进行MitraClip植入模拟，术者早期学习曲线可得到提升。
（图4）3D打印指导下的模拟可提升手术训练质量 3D打印适用于MV修复及其他心脏的介入手术，可使医生从医学影像数据中提取高质量的患者瓣膜结构，从而完成高质量模拟。
3D打印及虚拟模拟在TMVR中的应用
在经导管二尖瓣置换术(TMVR)中，对“neo”-LVOT(新左心室流出道)的理解首先开始于使用设备进行台式机模拟，对存在流出道梗阻风险的患者LVOT解剖结构进行特定的3D打印[32]。3D打印作为判断TMVR瓣膜在患者二尖瓣平面的位置的沟通工具和视觉测试，以及视觉评估后TMVR预测neo-LVOT会有多小。一旦获得TMVR前后的手术CT, neo-LVOT的概念就能够从物理3D打印发展到虚拟3D打印瓣膜的植入和经导管模拟(图5)[33]。
（图5）虚拟3D打印模拟（A）早期TMVR术前是利用3D打印模型对neo-LVOT的植入深度进行可视化评估（左室流出道面）。（B，C）在深入理解二尖瓣重要结构区域后，TMVR术前规划的进步主要在于对二尖瓣植入的模拟更为立体化，对二尖瓣重要结构区域的认识更加清晰。
3D打印在左心耳封堵术中的应用
左心耳(LAA)临床试验和早期可行性研究无需使用3D打印；然而，一旦美国的LAA设备市场商业化，人们很快就发现，在没有预先接触新技术的这些中心中存在一个早期的确定设备尺寸和进行设备植入的术者学习曲线[34]。3D打印应用于LAA围手术期规划有助于了解患者特定的解剖下不同LAA设备的特定术式，并有助于优化设备尺寸、导管和设备选择(图6)[15,35,36]。
（图6）3D打印的左心耳3D打印的左心耳模型可大幅改观早起术者的学习曲线。通过3D打印模型使得术者对左心耳的大小、成角、受力区域及其周边组织的几何结构理解更加深入。（A-C）3个不同的左心耳模型。
3D打印在经导管三尖瓣修复/置换术中的应用
最近经皮介入治疗三尖瓣(TV)引起了广泛的关注[37,38]。由于TV结构复杂，包括非平面瓣环、不同数量的瓣叶、脊索，乳头肌的位置以及右心房、心室周围和内部结构的变异性；传统影像学不足以评估右心解剖(图7)和三尖瓣器械(图8)的全部复杂性。为了方便术前规划和解剖可视化，已进行了一些关于从多模态图像中分离提取TV的研究[39,40]。Muraru等人[39]证明了可通过3D TEE的影像数据提取正常和异常的三尖瓣瓣叶、瓣环几何结构的可行性。他们的模型是通过固体材料进行3D打印的，适用于手术和介入治疗前规划所需的具体测量和定量分析。此外，Harb等人[41]重建了一系列由多模态图像构建的右心模型，包括CT图像、3D TEE和CT影像数据的整合，以及从MRI和非对比增强CT数据中提取的混合模型。他们使用3D打印的模型来对三尖瓣形态进行评估，重点关注TV与周围组织结构的相互作用，使得经皮介入手术前的规划更加精准[41]。Cabasa等人[40]使用3D打印的右心脏模型对Sapien XT假体(Edward Lifesciences, Irvine, CA)进行经导管三尖瓣环内植入进行模拟试验。他们展示了如何从CT数据重建3D打印模型，并如何选择最终用于实际手术中瓣膜的正确大小以及模拟植入过程。
（图7）可发现有多少不同之处？圆圈所代表的是2名诊断相同的三尖瓣返流患者的解剖结构差异。圆圈展示了上腔静脉（SVC）、下腔静脉（IVC）、冠状动脉窦、右心房（RA）和右心室（RV）的大小、RV尖部位置、右室流出道（RVOT）以及这些解剖结构之间的成角关系。以上的差异只是说明了从RA和RV的前后(AP)视图中观察到的二维差异，但没有从静态AP投影中发现额外的三维差异。
（图8）三尖瓣和右心的3D重建结构模型 (上行)计算机三维辅助设计模拟患者的右心房(RA)、右心室流出道(RVOT)、退行性三尖瓣环和环下解剖结构。(下行)3D打印的患者右心几何模型是由不同材料混合制成。
对病人的教育指导
3D打印对团队的实用价值不仅仅局限于围手术期规划。在临床访问期间，通过患者与3D打印模型的互动，可加强医患之间针对治疗选择、患者参与和患者满意度的医学讨论。传统的术中知情同意需要患者对临床医生所讲述2D图像进行理解，接受来自口头或书面的手术描述。在患者教育中早期使用3D打印模型，提高了患者对手术知情同意的理解和反馈。
当前3D打印的局限性
理想情况下，3D打印的心血管模型应能够模拟活体器官的外观和机械性能。对于体外测试和/或手术模拟，3D打印模型最好应该模拟指定的心血管器官在整个心动周期中的动态变化；然而，由于这些材料无法模拟生物组织的非线性和各向异性行为，因此找到与生物组织完美匹配的材料仍具有挑战性[9]。
最近，有报道称4D打印技每日术能制造出可主动变形的3D模型[42]。然而，这些技术仍处于孕育阶段，不适合模拟加速跳动的心脏。此外，一些研究报道了打印的方向和后处理方法显著影响所打印模型的机械性能[43,44]。为通过3D打印生成在生理学和生物学上均十分准确的的模型，有必要进一步组织模拟的材料进行研究。
超越3 D打印：计算机建模和人工智能的基础知识
静态三维打印模型是加速过程研究和开发团队目前正在申请减少从新设备到解决实际临床工作中经皮输周转时间的方案的一部分。静态打印已发展到功能3D打印模式下针对患者的加压血流动力学条件模拟经皮心脏瓣膜和输送系统的理想测试环境(图9)。然而，3D打印无法模拟控制心脏的动态机械性能和/或生理原理，例如对心脏组织生物力学特性的定义、组织形变的物定律、血流动力学以及它们之间的相互作用。
（图9）3D打印应用于经导管心脏瓣膜病治疗的血流动力学模拟 （A-1）利用CT源图像，（A-2）对3D打印的主动脉根部模型进行TAVR模拟。（A-3）在体外完成TAVR模拟测试后，可对主动脉根部的周向应变进行量化，从而可以计算出瓣环膨胀系数，（A-4）进而可以预测得出术后瓣周漏的情况。（B-1）将3D模型连接到一根可搏动的水管上。（B-2，3）核磁和超声可清晰显示结构性心脏病患者瓣叶和血流的运动情况。（红色箭头）在超声图像中，可观测到瓣叶在收缩期中未发生运动。
计算机模拟通常使用数值分析方法，如有限元分析(FEA)和计算流体力学(CFD)(图10，补充视频2)。这些技术已被广泛用于量化心脏组织的应力和变形[45]和描述心脏的血流模式[46]。全面的术前模拟可能需要数小时到数天的时间，这取决于解剖的复杂性和心脏组织与血流之间的潜在相互作用，以完全耦合相互作用的流体结构为模型[47-49]。因此，FEA和CFD成本昂贵；特别是当涉及到大的组织形变和流体结构相互作用时。
（图10）整合的全心重建结构以展示左右心的血流涡度水平 心脏的血流量估计来自于对完整的心脏模型的3D+时间心脏CT进行分析。从左上角图像框架顺时针开始(从上到下)：心脏周期的血流显示在心脏周期的早期收缩阶段，进入收缩期中期、收缩期晚期，接着是舒张早期肺动脉瓣返流，然后是底排(从右到左)舒张早期充盈，舒张中期充盈，最后完成二尖瓣晚期充盈。
计算机模拟的其中一个限制是，它对为简化建模过程而采用的数值假设是敏感的。例如，许多研究将左心室心内膜建模为光滑表面[50]。然而,这种简化可能导致心室内的血流动力模式不切实际。Kulp等人[51]证明了人类心内膜的小梁结构可以从某特定患者左心室的3D心内膜表面进行体外评估，如图11所示，进一步用于驱动心室内血流的CFD模拟。血流的计算机模拟揭示了心内膜小梁在促进健康受试者左心室血流动力效率的关键作用，同时在衰竭心脏中会造成血流停滞。同样，在健康受试者与主动脉狭窄患者之间进行的CFD模拟中[52]，显示了主动脉窦内流速和涡度的独特模式。
（图11）利用特定受试者的心脏解剖结构进行CFD模拟 (A)从3D+时间CT图像中分割出左室心内膜的时间分辨3D表面模型。(B)采用计算流体动力学(CFD)方法模拟左心室的复杂流动。(C)使用光滑表面模型和带有小梁的复杂表面模型模拟健康受试者、非阻塞性冠状动脉疾病(CAD)、阻塞性CAD和非同步化患者的血流，并计算出血流停滞时间。(D)在健康受试者和严重主动脉狭窄(AS)患者的主动脉根部进行血流模拟。
目前还缺乏用于临床的基于FEA和CFD的商业计算机建模工具。这些技术的实施需要特殊的编程/工程技能，因此大多在研究机构中进行。在临床实践中，如图12所示，在心脏解剖的计算机模型上叠加经导管心脏瓣膜是一种捷径。通过采用此技术，操作者可测试各种瓣膜尺寸和植入深度。在TMVR术前也可以对neo-LVOT区域进行评估[32,33]。TMVR术后的LVOT阻塞不仅取决于neo-LVOT的几何结构,也取决于左心室的血液动力学(图13)。然而必须指出的是，在该设置中无法模拟到相互机械作用，也没有观察到瓣膜/组织形变。
（图12）经导管瓣膜植入的计算机模拟 经导管的心脏瓣膜是在患者特定的解剖模型上模拟的。(A)由TEE衍生的患者特异性主动脉根三维模型上覆盖不同大小的TAVR瓣膜。(B)经导管球囊扩张的主动脉瓣实际上处于钙化严重的二尖瓣位置上，以评估潜在的移位风险和TMVR术后neo-LVOT面积。
（图13）运用CFD观测TMVR术后的LVOT梗阻CFD模拟展示了TMVR术后左室流出道(LVOT)梗阻的发生。其发生原因是多因素导致的，受瓣膜植入深度、瓣膜植入角度和心室内血流方向的影响。
AI在SHD中的作用
医疗在未来受到人工智能影响的可能性非常大。近年来，AI领域的商业投资激增，从而改善了医疗保健，实现了精准医疗，以及领先的医疗公司大规模采用AI技术，都证实了这一点。如前几节所示，SHD领域具有以下特征：大量使用、未使用和未测量的参数，以及在患者(包括年龄、性别和种族)之间存在显著差异的3D结构和“4D”生理的次优可视化。这为AI解决方案提供了巨大的可能性，可以在有效性、效率和降低成本方面改善患者治疗。AI以及更具体的机器学习，由于其领域未知性是不同于经典的计算机编程；它从示例中学习，而不依赖于程序定义的规则。因此，机器学习模型可以从大量数据中学习极其复杂的关联而不需要常识[53,54]。
基于AI的方法改善结构性心脏介入治疗
将AI与3D打印的最新发展成果相结合，可以制造患者特定的解剖模型，这对精准医疗有重大贡献[55,56]。Engelhardt等人[57]通过使用深度神经网络，学习内窥镜下术中的关键描述符，从而展示了现实中微创手术的训练能力(图14和15)。计算机网络可以从许多二尖瓣修复和其它模拟测试（利如瓣膜模型、器械、缝合器的硅胶表面）中有显著特征的内窥镜例子中学习术中场景的关键描述符(即纹理不均的组织、血流、单向反射性、器械、缝合应用)。AI网络旨在于学习两个领域之间的映射，或简单来说就是如何通过改变物体外观从而完成由某领域向另外一个领域的转变。该方法被称为“高度写实主义”，是增强现实的一种从属形式，能够产生一个具有原始图像中不存在的细节的模拟现实，以使用来自比真实手术更为真实的渲染来强化手术训练效果[58]。(图16)展示了使用二尖瓣硅胶假体进行二尖瓣介入手术训练的高度写实主义概念。
（图14）高度写实主义的概念 高度写实主义是增强的现实技术的一种新颖的附加形式。在这种技术中，真实的但需要人工观察的物体(硅胶瓣膜模型) 通过异质纹理和血液等而被转化成真实的。已经看起来很真实的物体在理想情况下保持不变(器械、缝合线等)。
（图15）高度写实主义在外科手术训练中的应用 将3D图像采集并应用于虚拟图像分割，制作出3D打印模型，然后结合AI进行硅胶模型模拟，以强化提升外科培训经验。
（图16）GANs 生成对抗网络(GANs)将模型的外观转变为更像手术中的外观。
介入医生和介入影像医师的培训
基于对高度写实主义和AI模拟在商业设备训练中的潜在适应可能会成为未来新技术发展训练方式的基础。在手术模拟平台中对所有心脏瓣膜模型的整合已证明术者对手术器械操作和术中技术应用的信心有所提升[56,59,60]。在监督条件下的深度学习框架范围内，将Al应用于术中的TEE训练，允许计算机客观自动地对获得的TEE图像进行图像质量评分和反馈[59]。在医生进行TAVR介入手术培训的背景下，基于运动分析和手术工具操作模式的自动化技能评估已证明了客观指标（如新手和专家之间的操作时间、速度和运动加速度差异）是可复制的[60]。未来实时3D TEE数据与机器学习和Al的整合将为其要构建增强的可伸缩模块提供有关的重要临床信息（如室腔尺寸、形状和功能）(图17)[61]。Al的应用可以[1]使过程自动化以减少术中术者之间可能造成的变化；并且在临床可操作的时间范围内取得快速、准确的结果(图18)。大部分的临床可能性取决于它分析来源于临床决策支持而产生价值的混杂来源的结构化数据组合的能力。通过整合互补信息，利用新的深度学习方法进行处理，可揭示数据中先前隐藏的知识，从而促进获得更可靠的临床决策支持。每种类型的数据都可以进行独立分析，也可以与不同类型的算法一并分析以达到创新的目的。例如，MitraClip手术模拟可以让术者选择瓣叶进行模拟操作，并评估模拟植入术后二尖瓣接合区的构成情况，以获得最佳的术中结果(图19)。术中通过监测这些不同类型的数据可达到实时预测的目的并能够避免不良事件的发生。
（图17）对心血管进行CMR分割的高度密集神经网络 心血管CMR分析：(A-E)高度密集神经网络对4个心腔和心肌的轮廓进行了评估。(F, G)该网络也计算径向和周向应变。
（图18）高度密集神经网络的速率 高度密集神经网络用于处理CMR数据，评估轮廓指标、各项测量值以及左右心室和心肌的运动情况。该网络具有300层和100万个参数的编码器、解码器架构。
（图19）术者实施MitraClip手术的衍生交互式模拟 (A)术者识别二尖瓣模拟植入术的2个抓取点(VAL位于二尖瓣前瓣，VPL位于二尖瓣后瓣)。(B)在2个抓取点/顶点(VAL和VPL)之间创建一个虚拟弹簧，增量地将VAL和VPL (蓝色线)之间的配合区域拉到一起。(C)最后，适配区被弹簧缝合在一起，模拟完成MitraClip的抓取[64,65]。
此外，AI还可以用于构建、共享和检索大量的手术视频、术中图像和世界各地的许多外科医生和介入医师的电子病历[62](图18)。这将生成一个针对结果的实践和技术数据库。推进机器学习和AI的潜在好处是能够改进并创建更多用于实时3D TEE成像的瓣膜解剖模型(图20)。AI可以帮助识别罕见的解剖结构，整合术前、术中和术后治疗阶段的数据[10](核心插图)。
（图20）3D打印的实时彩色渲染 (A)实3D TEE成像的应用使心脏解剖达到动态可视化，并通过彩色多普勒显示重要解剖结构的血流情况 [66]。机器学习有助于构建可复制的瓣膜模型。通过3D TEE影像采集，可显示术中二尖瓣在收缩期(B)和舒张期(C)二尖瓣P2腱索尖部断裂以及P2瓣叶脱垂。(D)该病例的手术视图。
（核心插图）现代医疗 对真实和虚拟的3D打印进行整合，包括经导管介入治疗中的手术模拟、流体建模和AI是临床教育、器械开发和优化以患者为中心治疗模式的下一个浪潮。
需要解决和克服的技术挑战
人工智能在实际应用中的主要挑战是存在大量非结构化的临床数据。数据收集的基础是适当的源图像成像、服务器间文件格式转换的兼容性以及直接上传到学习云的能力。一旦上传的数据被整合到云中的现有数据中，AI算法将被激活并加以改进，因为新数据将被利用来组成更精简的算法。类似于TAVR中令人欣喜的早期术者学习曲线 [63]，随着新数据加入到训练集中，AI算法将变得更加准确、高效。然而，由于对适应性更科学发展和转换学习技术的需要，目前该应用在复杂SHD介入手术的可伸缩性方面仍受到限制。
数据质量(GIGO：垃圾输入，垃圾输出)
自动上传数据的云计算和自适应学习的实现依赖于输入到学习云中现有数据集的原始数据质量。低质量的数据集不仅会降低AI算法的效率，还会降低AI在确定关键手术步骤时的准确性。
法律方面的考虑
建立AI服务器来处理训练集的输入数据后，仍然存在输入/交互数据的所有权问题。所有权应明确为上传手术数据的患者、执行手术的医生或支持AI应用的其他人员。在临床和全球医学成像中使用AI之前，特别是在SHD介入手术领域中使用AI之前，需要考虑这些法律因素。
隐私和保密
最后但并非最不重要的考虑，即AI应用于结构性心脏病介入治疗领域中对大数据的隐私和机密性的关注。在共享学习云数据、使用服务器的情况下，医疗数据将面临黑客攻击和安全漏洞的风险。在AI可大规模应用于医学影像和介入治疗之前，必须解决数据共享风险和医疗法律责任问题。
结论
在SHD介入手术中，3D打印、计算机仿真建模和深度学习都发挥了巨大作用。这些技术的早期应用有可能缩短新器械和技术推出时术者的早期学习曲线。计算机建模和深度学习的未来应用需要将患者手术安全和患者数据安全整合到医疗记录、医疗数据获取与共享平台中。未来的多模态心血管成像需要将心脏病理生理学的临床知识与生物医学工程师的技术专长以及计算机科学家的软件开发知识相结合。它将不再仅仅是一个临床医生的专有技术。
特色亮点
结构性心脏病介入治疗需要深入了解掌握心脏的病理生理学。
3D打印可减少术者早期的学习曲线，以适应新技术需要。
计算机流体模型有模拟心脏的病理生理学的动态机械性能和生理特性的潜力。
AI具有应用于复制患者特定的解剖结构以完成模拟手术训练的潜力。