商傳媒｜林昭衡／綜合外電報導
維吉尼亞大學（University of Virginia）工程與應用科學學院的教授研究團隊，近期獲得美國國立衛生研究院（National Institutes of Health, NIH）一筆 4 百萬美元的補助，將用於開發一款利用人工智慧（AI）客製化心臟衰竭治療方案的工具。
這項名為 GenStrain 的人工智慧工具，由維吉尼亞大學電機與電腦工程學系暨電腦科學系的助理教授 Miaomiao Zhang 主導開發。其核心目標是透過分析核磁共振（MRI）掃描影像，協助醫師為心臟衰竭患者決定最適合的心律調節治療（pacing therapy），例如傳統的心臟再同步化治療（Cardiac Resynchronization Therapy, CRT）或左束支區域心律調節（Left Bundle Branch Area Pacing, LBBAP），提升治療的有效性。
目前全球有超過 6 百萬美國民眾罹患心臟衰竭，而其中接受 CRT 治療的患者有 30% 至 40% 的反應不如預期。主要原因在於醫生缺乏可靠方法來判斷哪種心律調節方式對特定患者最為有效。儘管 DENSE MRI 是衡量心肌應變（myocardial strain，即心臟肌肉收縮和舒張時的變形程度）的黃金標準，但其掃描時間較長，且非多數醫院核磁共振儀器的標準配備。而廣泛使用的標準心臟電影式核磁共振（cine MRI）則無法提供同等詳細的心臟運動資訊。
Miaomiao Zhang 教授的團隊正致力於解決這項挑戰。GenStrain 是一個生成式人工智慧模型，它能從 DENSE MRI 掃描中學習，進而從標準的電影式核磁共振影像中估算出心臟運動和心肌應變，提供與 DENSE MRI 相當的精確度，卻不需額外的掃描時間。Rishov Paul，一名研究團隊的博士生指出：「目前的黃金標準 DENSE MRI 需要額外的掃描時間，且並非大多數醫院的掃描儀均能提供。」他補充：「我們的目標是僅憑標準、常規獲取的電影式核磁共振影像，即可產生與 DENSE MRI 同等品質的運動和應變估計，無需額外掃描。」
此計畫的發展建立在 Miaomiao Zhang 教授於 2023 年獲得的 NIH R21 Trailblazer Award 基礎之上。在接下來的五年內，團隊將與弗吉尼亞聯邦大學（Virginia Commonwealth University）、貝勒醫學院（Baylor College of Medicine）以及猶他大學（University of Utah）的研究團隊合作，透過來自多個機構的數據來開發與驗證 GenStrain 的可靠性。團隊也將特別著重於開發「可解釋性人工智慧」（explainable AI）方法，確保其建議能讓臨床醫師理解，避免人工智慧決策如「黑盒子」般難以解釋，從而提高工具在臨床應用上的信任度與可靠性。
