採訪報導｜郭家和
台灣冠心病盛行率高 完全無症狀也可能暗藏心臟未爆彈
冠心病是台灣的第二大死因。由於人口老化及生活習慣等因素，冠心病的盛行率相當高，國人50歲以上族群每四個人中就有一人患有冠狀動脈狹窄。統計顯示，各種風險因子會顯著提高罹患冠心病的機率，包括高血壓、糖尿病、高血脂、年紀大及吸菸等，然而，冠心病症狀不典型以及影像資料的判讀限制，都可能導致錯失黃金介入時機。
臺中榮民總醫院心臟血管中心主任李文領醫師指出，冠心病的臨床表現多樣，可能包括運動時出現呼吸困難、胸悶或胸痛。更嚴重的情況是出現不穩定心絞痛，甚至走幾步路就會感到不適。另外，部分患者可能已有潛在冠心病變化，但身上卻全沒有症狀，及時發現這些隱藏的冠心病「未爆彈」相當關關鍵。
數位孿生1分鐘重建冠狀動脈 標示斑塊特性助術式評估
冠心病的血管病變型態也是影響診斷與治療的重要原因。李文領醫師指出，傳統心臟電腦斷層掃描後獲得的原始資料通常是2D影像。但冠狀動脈血管的結構本質上是3D立體型態，包括狹窄程度、病灶的長度斑塊特性等資訊，無法藉由2D影像完整評估，診斷複雜病變尤其困難。尤其輕微病變被誤判為嚴重，可能導致病人接受不必要的心臟導管檢查。因此手術前無法做到精準診斷，是介入治療的巨大挑戰。
數位孿生（Digital Twin）技術的導入，為解決傳統冠心病診斷的挑戰帶來了新希望。鴻海科技集團數位健康醫學多模態AI 專家陳曼芹指出，運用數位孿生科技與NVIDIA 的Holoscan平台，透過機器學習與深度學習模型對複雜的樹狀冠狀動脈結構進行精準分割，得以協助冠心病精確診斷並規劃個人化的治療。目前已經達到最快一分鐘內生成3D心臟重建，並自動標示冠心病鑑別診斷的關鍵資訊：
• 病灶位置與嚴重程度： 自動標示病灶的位置、狹窄的程度和長度。
• 斑塊形態分析： 分析斑塊是軟斑塊或硬斑塊、是否有鈣化，並量化鈣化的面積、體積、長度和分佈。
• 血管結構： 顯示血管的結構、是否有迂曲、分叉病變或完全閉塞。
李文領醫師指出，利用互動性的3D數位孿生模型，臨床醫師可以精準掌握病人的血管結構與病灶複雜度，再根據模型評估是否適合冠脈介入如放置支架等治療或是需要採取繞道手術。如果選擇介入治療，冠心病的數位孿生模型能提供明確參考數據包括支架尺寸、長度、進入的角度，以及是否需要使用鑽石旋磨術 （Rotablation）以消融斑塊。讓冠心病術式選擇更精準、病人更安全。
可視化資訊減少醫病溝通障礙 賦能醫師專注照顧病患
陳曼芹說明，透過具體的3D模型，未來病人可以容易理解病情的嚴重程度和血管的結構問題。利用可視化資訊，減少醫病溝通障礙，亦有助於落實醫病共享決策，提升病患對治療方案的理解與信任性。未來的目標是進一步整合更多的 AI 模型，使其能夠進行風險預測和手術模擬。
陳曼芹表示，數位孿生系統等AI平台的核心價值在於「賦能醫師」，讓醫師能夠專注於更高價值的治療與照護作業，未來AI Agent在整個智慧醫院場景將是無所不在，從輔助醫師開藥、病歷編寫到決策輔助，全面協助臨床人員高效工作，使其能專注於照護病患。
