无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯一个团队在Stroke发表文章

近日，美国圣莫尼卡大学（USC）Mark and Mary Stevens 神经视觉与信息学研究者所（INI）的研究者人员正要研究者一种替代方法，该方法使诊疗牙医无需向患者注射造影剂即可评量脑卒于之中损害。该制作组于2019年12月在《Stroke》杂志上的发表了篇文章《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯系统笔记是INI神经科副教授中山王炯炯（Danny JJ Wang）；第一笔记是圣莫尼卡大学生命科学工程系在读Clark生中山王凯。据洞察，急性动脉瘤脑卒于之中 (acute ischemic stroke) 是脑卒于之中的最常见的型式。当患者确诊时，血凝块冲击了小脑之中的静脉血流，诊疗医师只能迅速敦促，给予理论上的治疗。通常，牙医只能进行脑部读取以确认由卒于之中引来的小脑挫伤区域，方法是应用于磁共振高分辨率（MRI）或计算机断层读取（CT）。但是这些读取方法只能应用于无机化学造影剂，有些还含有高副作用的X-射线辐射，而另一些则可能对有肾脏或血管疾病的患者造成危害。在这项研究者之中，中山王炯炯副教授制作组协作并次测试了一种人工智能（AI）解法，该解法可以从一种非常安全的小脑读取型式（实为连续静脉自旋标记磁共振高分辨率，pCASL MRI）之中定时分离出来有关卒于之中损害的信息。据洞察，这是首次应用深度研读解法和无造影剂灌注MRI来识别因卒于之中而受到破坏的脑组织的跨的平台、跨的机构的系统性研究者。该数学方法是一种很有前景的方法，可以帮助牙医制定卒于之中的诊疗治疗计划案，并且是完全无创的。在评量卒于之中患者受到破坏脑组织的次测试之中，该pCASL 深度研读数学方法在两个独立自主的信息集上均实现了92％的精准度。中山王炯炯副教授制作组，包括在读Clark研究者生中山王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimClark，与哈佛大学（UCLA） 和斯坦福大学（Stanford）的科学家合作进行了这项研究者。为了训练这一数学方法，研究者人员应用于167个投影集，采集于哈佛大学的1.5Tesla和3.0Tesla日立（Siemens）MRI 系统，受试者为137例缺血型卒于之中病人。经过训练的数学方法在12个投影集上进行了独立自主正确性，该投影集采集于斯坦福大学的1.5Tesla和3.0Tesla通用汽车（GE） MRI系统。据洞察，这项研究者的一个显着亮点是，其数学方法被证明是在相异高分辨率的平台、相异医院、相异病人群体的情况下依然是理论上的。接下来，中山王炯炯副教授制作组计划案进行一项非常大规模的研究者，以在非常多医疗的机构之中评量该解法，并将急性动脉瘤卒于之中的治疗可视扩张到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）标示出深度研读（DL）比六种机器研读（ML）的方法非常准确。