Coronary Artery Diseases Diagnosis Intelligent Enhancer (CADDIE)

心臟疾病為目前國人十大死因第二名，又以冠狀動脈疾病占大多數。冠狀動脈鈣化是血管上斑塊 (脂肪沉積) 或動脈粥樣硬化的標記，一旦鈣化積沉就會使血管阻塞，久而久之便會形成冠狀動脈心臟病。過往研究顯示，冠狀動脈血管狹窄程度與鈣化程度成正比，鈣化指數越高，冠狀動脈狹窄機率越高。

藉此，本團隊建構CADDIE系統，首先運用「鈣化分數計算模型」分析不施打顯影劑的胸腔電腦斷層掃描 (CT) 影像，得知民眾冠狀動脈鈣化程度。接著，若鈣化程度高者，可進一步做有施打顯影劑的冠狀動脈血管攝影檢查 (CCTA) ，透過「血管斑塊偵測模型」的分析，能更精確地瞭解冠狀動脈鈣化位置與鈣化斑塊的類別，以提供個人化的預測模式，實踐精準醫療的願景。

鈣化分數計算

「鈣化分數計算模型」為深度學習模型，模型首先自動分割出胸腔電腦斷層掃描 (CT) 影像中的心臟與動脈後，計算鈣化相關數值，並依據鈣化分數的高低，區分成數個嚴重等級，平均約3-5秒即可判讀單張影像，迅速提供醫師患者冠狀動脈粥狀硬化的程度與冠狀動脈心臟病的風險評估指標。本模型已逐步部署至健保署醫學影像資料庫中，未來可將心血管相關疾病的病患，血管鈣化分數串接歷年就診資料配上治療方式和藥物，建立動態預測模式，藉此提高疾病預後的預測準確度，同時區分不同族群的預後預測，找出以往未知的嚴重次族群。

血管斑塊偵測與質化分析、狹窄與斑塊區域偵測

「血管斑塊偵測模型」運用深度學習技術分析 CCTA 影像，判斷冠狀動脈鈣化斑塊所在的位置與種類，並同時計算狹窄程度，標註出危險或高風險個案。此外，模型也將斑塊分類為鈣化 (Calcified) 、混合 (Mix-typed) 、軟斑塊 (Soft) 以及非鈣化 (Non-calcified) ，用以預測斑塊破裂風險和急性心肌梗塞發生機率。最後，模型結合狹窄區段偵測與狹窄嚴重程度計算，分析出各個病徵結構的風險指標，並預測病徵導致心肌梗塞等冠心病之風險等，幫助病患及醫師做出做妥適的醫療決策。簡言之，CADDIE以全自動化檢測冠狀動脈斑塊的高效流程，將過往由醫師人工判讀每位病患平均約花費約10分鐘以上的時間，縮短為只需 25 秒即可判讀完成。