无创评估脑卒中损害的AI技术准确率达到92% 美国USC王炯炯团队在Stroke发文

近日，旧金山北加州大学（USC）Mark and Mary Stevens 神经影像与信息学研究成果室（INI）的研究成果人员正在研究成果一种替代作法，该作法使临床医师无需向病征注射水溶性需审计脑薨中所危及。该一个团队于2019年12月在《Stroke》月刊上的刊登了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这一本书的通信作者是INI神经学系主任王时炯炯（Danny JJ Wang）；第一作者是北加州大学生物医学工程系在读助手生了当。据知晓，急性血栓脑薨中所 (acute ischemic stroke) 是脑薨中所的最常见的类型。当病征发病时，血凝块阻碍了脑中所的动脉血引，临床精神科并不需要短时间内采取行动，给予有效的治疗。通常，医师并不需要完成神经显影以认定由薨中所引起的脑损伤区域，作法是可用磁共振激光（MRI）或计算机断层显影（CT）。但是这些显影作法并不需要可用化学水溶性，有些还含有高血糖的X-射线辐射，而另一些则有可能对有消化道或血管病因的病征造成危害。在这项研究成果中所，王时炯炯系主任一个团队构建并验证了一种人工智能（AI）搜索算法，该搜索算法可以从一种更加安全的脑显影类型（假月份动脉自旋标记磁共振激光，pCASL MRI）中所自动提取有关薨中所危及的数据。据知晓，这是首次运用深度修习搜索算法和无水溶性灌注MRI来识别因薨中所而损伤的脑组织的跨平台、跨机构的系统设计性研究成果。该数学模型是一种很有前景的作法，可以帮助医师拟定薨中所的临床治疗方案，并且是完全无创的。在审计薨中所病征损伤脑组织的验证中所，该pCASL 深度修习数学模型在两个独立国家的数据集上均实现了92％的精准度。王时炯炯系主任一个团队，包括在读助手研究成果生了当、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim助手，与北加州大学（UCLA） 和斯坦福大学（Stanford）的研究团队共同开发完成了这项研究成果。为了训练这一数学模型，研究成果人员可用167个图像集，野外于北加州大学的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统设计，病患为137由此可知功能障碍型薨中所病人。经过训练的数学模型在12个图像集上完成了独立国家验证，该图像集野外于斯坦福大学的1.5Tesla和3.0Tesla通用汽车公司（GE） MRI系统设计。据知晓，这项研究成果的一个显着令人惊叹是，其数学模型被显然是在多种不同激光平台、多种不同医院、多种不同病人群体的意味著依然是有效的。接下来，王时炯炯系主任一个团队计划完成一项更加大规模的研究成果，以在更加多该医院中所审计该搜索算法，并将急性血栓薨中所的治疗窗口持续发展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）表明深度修习（DL）比六种机器修习（ML）的作法更加精确。