AI加速大腦動脈瘤診斷 | 矽谷洞察

更多精彩，敬請關注矽谷洞察官方網站（http://www.svinsight.com）

人工智慧可以幫助識別大腦中血管中的凸起,當這些凸起破裂時,會導致死亡。

大腦中的血管凸起可能會泄漏或爆裂,可能導致中風、腦損傷或死亡，腦動脈瘤的提前診斷可以說是醫生能夠做出的最具時間緊迫性的診斷之一，但這通常意味著要篩選數百次的腦部掃描。

斯坦福大學的研究人員最近的一項研究表明，一種新的人工智慧工具應該能夠提供幫助。

6月7日發表在《美國醫學會網路公開平台》(JAMA Network Open)上的一篇論文詳細介紹了這款人工智慧工具，它突出顯示可能包含動脈瘤的腦部掃描區域。該工具基於一種稱為HeadXNet的演算法構建，提高了臨床醫生正確識別動脈瘤的能力，其水平相當於在100次含有動脈瘤掃描中發現6個以上的動脈瘤。研究人員宣布，這也提高了圖像解讀臨床醫生之間的共識。

斯坦福大學統計學研究生、也是該論文的共同第一作者Allison Park在一份聲明中說，「人們對機器學習在醫學領域的實際作用有很多擔憂。」「這項研究是人類如何在人工智慧工具的幫助下參與診斷過程的一個例子。」

對腦部掃描結果進行梳理，尋找動脈瘤的跡象意味著要瀏覽數百幅圖像。動脈瘤有多種大小和形狀，並以不同的角度向外膨脹——有些動脈瘤在電影般的連續圖像中不過是一個光點。

然而，研究人員在報告中指出，深度學習「最近顯示出在醫學成像準確執行診斷方面的巨大潛力」。具體來說，卷積神經網路(CNNs)在包括醫學圖像分析在內的一系列視覺任務中表現出了出色的性能。此外，深度學習系統增強臨床工作流程的能力仍相對未被探索。

「尋找動脈瘤是放射科醫生最費力、最關鍵的任務之一，」放射學副教授、該論文的共同高級作者Kristen Yeom說。「考慮到複雜的神經血管解剖所帶來的固有挑戰，以及遺漏動脈瘤可能導致的致命後果，這促使我將計算機科學和視覺的進展應用於神經成像。」

Yeom將這個想法帶到了斯坦福大學機器學習小組運營的人工智慧醫療訓練營。

正如該報告所指出的，「鑒於遺漏動脈瘤破裂風險的潛在災難性後果，一種可靠地檢測並提高臨床醫生表現的自動檢測工具是非常必要的。」動脈瘤破裂在40%的患者中是致命的，在存活下來的患者中，有三分之二的人會導致不可逆的神經功能障礙；因此，準確和及時的檢測至關重要。除了在解釋CTA檢查時顯著提高臨床醫生的準確性外, 自動動脈瘤檢測工具，如本研究中展示的,還可以用來確定工作流程的優先順序，這樣那些更有可能是陽性的檢查就可以得到專家的及時審查，從而可能縮短治療治療時間並獲得更有利的結果。」

研究小組指出，HeadXNet中心的機器學習方法可能被訓練用來識別大腦內外的其他疾病，但他們補充稱，在將人工智慧醫療工具與醫院放射科的日常臨床工作流程結合方面，仍存在相當大的障礙。

原文作者：Jeff Rowe

原文鏈接: https://www.healthcareitnews.com/ai-powered-healthcare/stanford-researchers-test-ai-tool-expedite-brain-diagnoses?mkt_tok=eyJpIjoiWWpNek1tTXdZV0ZoT1RNNCIsInQiOiJLTnlFVU5vMHBRbXJZOEo5cTUyenRwK0pWTTZ3NlArYjVjSlZvZjZQYkx3K21XcTBBMlhId2NPbDZEaWQ3UStmRXpYZnNIUmorNlRkSUhhWDBId0x5azBrQmwyQkFUVVVnRGxtQjhublI0XC9jbE9IU2dPRFRFRVVDSFNDd0IxRzcifQ%3D%3D

更多精彩，敬請關注矽谷洞察官方網站（http://www.svinsight.com）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！