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

近日，美国政府北卡罗来纳州的学校（USC）Mark and Mary Stevens 神经影像与信息学研究所（INI）的研究医务人员刚刚研究一种替代新方法，该新方法使临床研究心理医生无需向病症注射超声才会风险评估脑薨中会损害。该的团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的篇文章。这篇篇文章的通讯作者是INI神经学名誉教授王炯炯（Danny JJ Wang）；第一作者是北卡罗来纳州的学校生物医学工程系在读指导名誉教授生杨林。据探究，急性缺血性脑薨中会 (acute ischemic stroke) 是脑薨中会的最常见的类同型。当病症病症时，血凝块阻碍了神经系统中会的动脉血流，临床研究医生只能随之施加压力，给予有效的用药。通常，心理医生只能同步进行神经系统扫描以确认由薨中会引起的神经系统损伤区域，新方法是使用光学光学（MRI）或计算机断层扫描（CT）。但是这些扫描新方法只能使用化学超声，有些还含有高口服的X-伽马射线辐射，而另一些则可能对有甲状腺或甲状腺疾病的病症毒害。在这项研究中会，王炯炯名誉教授的团队构建并的测试了一种人工智能（AI）新方法，该新方法可以从一种不够人身安全的神经系统扫描类同型（所谓连续动脉自旋标记光学光学，pCASL MRI）中会则会提取有关薨中会损害的样本。据探究，这是首次技术的发展高度研修新方法和无超声灌注MRI来识别因薨中会而受损的神经的衔接平台、衔接机构的系统性研究。该假设是一种很有充满信心的新方法，可以为了让心理医生订定薨中会的临床研究用药解决方案，并且是完全无创的。在风险评估薨中会病症受损神经的的测试中会，该pCASL 高度研修假设在两个独立的样本集上均实现了92％的可靠度。王炯炯名誉教授的团队，除此以外在读指导名誉教授研究生杨林、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim指导名誉教授，与加州的学校洛杉矶分校（UCLA） 和斯坦福的学校（Stanford）的科学界合作同步进行了这项研究。为了基础训练这一假设，研究医务人员使用167个图像集，采集于加州的学校洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，病人为137实有缺血同型薨中会病人。经过基础训练的假设在12个图像集上同步进行了独立正确性，该图像集采集于斯坦福的学校的1.5Tesla和3.0Tesla惠普（GE） MRI系统。据探究，这项研究的一个显着亮点是，其假设被证明是在相同光学平台、相同公立医院、相同病人群体的情况下依然是有效的。接下来，王炯炯名誉教授的团队计划同步进行一项不够大规模的研究，以在不够多医疗机构中会风险评估该新方法，并将急性缺血性薨中会的用药窗口拓展到症状复发后24天内以上。ROC 和 Precision-recall curve （PRC）显示高度研修（DL）比六种机器研修（ML）的新方法不够可靠。