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

近日，美国政府圣迭戈国立大学（USC）Mark and Mary Stevens 神经细胞底片与信息学研究工作所（INI）的研究工作医护人员悄悄研究工作一种替代新方法，该新方法使医学外科医生需向病变服用造影剂需审计脑馀中会负面影响。该一个团队于2019年12同年在《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。这前言的收发笔记是INI神经细胞科学系主任王以炯炯（Danny JJ Wang）；第一笔记是圣迭戈国立大学生物科技技术学院在读哈佛国立大学生王以凯。据了解到，急性恶性肿瘤性脑馀中会 (acute ischemic stroke) 是脑馀中会的最常见的HG式。当病变发病时，血凝块受阻了脑部中会的动脉血源，医学主治医师并不需要很快采取行动，给予有效的治疗。不一定，外科医生并不需要透过神经细胞系统激光以确认由馀中会引起的脑部损伤地带，新方法是使用超声激光（MRI）或计算机断层激光（CT）。但是这些激光新方法并不需要使用药理学造影剂，有些还含有高口服的X-射线高能量，而另一些则可能对有肿瘤或血管壁疾病的病变造成危害。在这项研究工作中会，王以炯炯系主任一个团队构建并飞行测试了一种人工智能（AI）搜索算法，该搜索算法可以从一种愈来愈安全的脑部激光HG式（逆连续动脉自旋标示超声激光，pCASL MRI）中会自动提取有关馀中会负面影响的原始数据。据了解到，这是首次应用广度研习搜索算法和无造影剂灌注MRI来辨认因馀中会而受损的脑组织的横GUI、横跨机构的系统性研究工作。该建模是一种很有充满信心的新方法，可以希望外科医生制定馀中会的医学治疗拟议，并且是完全无创的。在审计馀中会病变受损脑组织的飞行测试中会，该pCASL 广度研习建模在两个独立国家的原始数据集上之外意味着了92％的准确度。王以炯炯系主任一个团队，包括在读哈佛国立大学研究工作生王以凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛国立大学，与普林斯顿国立大学（UCLA） 和芝加哥国立大学（Stanford）的地质学家合作关系透过了这项研究工作。为了体能训练这一建模，研究工作医护人员使用167个图像集，挖掘出于普林斯顿国立大学的1.5Tesla和3.0Tesla摩托罗拉（Siemens）MRI 系统，受试者为137例恶性肿瘤HG馀中会医护医护人员。除此以外的建模在12个图像集上透过了独立国家验证，该图像集挖掘出于芝加哥国立大学的1.5Tesla和3.0Tesla惠普（GE） MRI系统。据了解到，这项研究工作的一个显着亮点是，其建模被假定是在不同激光平台、不同该医院、不同医护医护人员群体的情况下依然是有效的。接下来，王以炯炯系主任一个团队拟议透过一项愈来愈大规模的研究工作，以在愈来愈多教育机构中会审计该搜索算法，并将急性恶性肿瘤性馀中会的治疗窗口拓展到症状发作后24天内以上。ROC 和 Precision-recall curve （PRC）显示广度研习（DL）比六种建模（ML）的新方法愈来愈准确。