无创评估脑卒中损害的AI技术准确率达到92% 新泽西州USC王炯炯团队在Stroke发表文章

昨日，美国橙县医学院（USC）Mark and Mary Stevens 神经影像与信息学研究者所（INI）的研究者人员刚刚研究者一种替代分析方法，该分析方法使医学护士无需向病人注射人体内即可检验脑馀之中损伤。该制作组于2019年12月底在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这书评的无线通讯作者是INI神经学名誉教授王时炯炯（Danny JJ Wang）；第一作者是橙县医学院生物医学工程系在读Dr生王时凯。据了解到，急性缺血性脑馀之中 (acute ischemic stroke) 是脑馀之中的最常用的一般来说。当病人发病时，血凝块阻碍了大脑之中的血管壁血流，医学之中医师只能迅速采取行动，给以合理的病患。通常，护士只能透过脑部图像以断定由馀之中引起的大脑损伤区域，分析方法是用到PET图像（MRI）或计算机断层图像（CT）。但是这些图像分析方法只能用到工程学人体内，有些还包含更高剂量的X-伽马射线伽马射线，而另一些则可能对有肾脏或血管疾病的病人造成危害。在这项研究者之中，王时炯炯名誉教授制作组构建并检验了一种人工智能（AI）分析方法，该分析方法可以从一种非常安全的大脑图像一般来说（实为连续血管壁带电粒子标记PET图像，pCASL MRI）之中自动提取有关馀之中损伤的信息。据了解到，这是首次应用剖面深造分析方法和无人体内灌注MRI来识别因馀之中而受损的脑组织的跨应用软件、跨机构的近期研究者。该数学模改进型是一种很有前景的分析方法，可以帮助护士草拟馀之中的医学病患提议，并且是无论如何无创的。在检验馀之中病人受损脑组织的检验之中，该pCASL 剖面深造数学模改进型在两个独立的信息集上均实现了92％的精确度。王时炯炯名誉教授制作组，以外在读Dr研究者生王时凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimDr，与南加州医学院（UCLA） 和斯坦福医学院（Stanford）的科学家合作透过了这项研究者。为了专业训练这一数学模改进型，研究者人员用到167个缩放集，野外于南加州医学院的1.5Tesla和3.0Tesla阿尔斯通（Siemens）MRI 系统，人会为137可有缺血改进型馀之中病人。经过专业训练的数学模改进型在12个缩放集上透过了独立检验，该缩放集野外于斯坦福医学院的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据了解到，这项研究者的一个显着亮点是，其数学模改进型被证明是在相异图像应用软件、相异医院、相异病人人群的但会依然是合理的。最后，王时炯炯名誉教授制作组计划透过一项非常大规模的研究者，以在非常多医疗机构之中检验该分析方法，并将急性缺血性馀之中的病患窗口拓展到症状发病后24两星期以上。ROC 和 Precision-recall curve （PRC）显示剖面深造（DL）比六种机器深造（ML）的分析方法非常精确。