无创评估脑卒中损害的AI新科技准确率达到92% 美国USC王炯炯团队在Stroke发表文章

近日，美国圣荷西国立大学（USC）Mark and Mary Stevens 神经图片与信息学分析所（INI）的分析人员正在分析一种替代方法，该方法使外科医生不用向病患者切除样品即可评量脑病亡里损害。该开发团队于2019年12月在《Stroke》Magazine上的撰写了一本书《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这前言的点对点作者是INI神经学分析员王为炯炯（Danny JJ Wang）；第一作者是圣荷西国立大学生物医学机械工程在读博士生王为凯。据明了，急性功能障碍性脑病亡里 (acute ischemic stroke) 是脑病亡里的最相似的类标准型。当病患者发病时，血凝块阻碍了中枢神经系统里的颈动脉血流，外科医师所需迅速采取行动，给予理论上的病患。通常，医生所需来进行脑部扫描以确认由病亡里引起的中枢神经系统细菌感染区域，方法是使用MRI高分辨率（MRI）或计算机断层扫描（CT）。但是这些扫描方法所需使用化学样品，有些还包含高剂量的X-伽马射线辐射，而另一些则或许对有肾脏或静脉疾病的病患者严重危害。在这项分析里，王为炯炯分析员开发团队构建并测试了一种人工智能（AI）方法，该方法可以从一种越来越安全及的中枢神经系统扫描类标准型（伪紧接著颈动脉自旋标记MRI高分辨率，pCASL MRI）里启动时所包含关病亡里损害的数据。据明了，这是首次应用剖面学习方法和无样品洗涤MRI来识别因病亡里而损毁的脑脊液的功能强大、一环私人机构的系统性分析。该三维是一种很有脆弱性的方法，可以帮助医生规章病亡里的外科病患建议书，并且是实质上无创的。在评量病亡里病患者损毁脑脊液的测试里，该pCASL 剖面学习三维在两个法理的数据集上之外实现了92％的可靠度。王为炯炯分析员开发团队，仅限于在读博士分析生王为凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与密西根国立大学（UCLA） 和柏克莱加州国立大学（Stanford）的科学家合作来进行了这项分析。为了训练这一三维，分析人员使用167个图形集，通过观察于密西根国立大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137唯功能障碍标准型病亡里病人。经过训练的三维在12个图形集上来进行了法理验证，该图形集通过观察于柏克莱加州国立大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据明了，这项分析的一个显着卖点是，其三维被证明是在不同高分辨率平台、不同疗养院、不同病人群体的情况下仍然是理论上的。每一次，王为炯炯分析员开发团队计划来进行一项越来越大规模的分析，以在越来越多医疗私人机构里评量该方法，并将急性功能障碍性病亡里的病患窗口拓展到病患者复发后24不间断以上。ROC 和 Precision-recall curve （PRC）表明剖面学习（DL）比六种机器学习（ML）的方法越来越可靠。