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

近日，American南加州国立大学（USC）Mark and Mary Stevens 脑部图像与信息学研究工作所（INI）的研究工作职员正在研究工作一种替代原理，该原理使临床医师无需向高血压注射游离即可评估脑病卒之中危害。该设计团队于2019年12月在《Stroke》周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这文之中的通讯作者是INI病理学名誉教授之中山王炯炯（Danny JJ Wang）；第一作者是南加州国立大学生物医学工程系在读Clark生之中山杨林。据了解，急性冠心病脑病卒之中 (acute ischemic stroke) 是脑病卒之中的最常见的类型。当高血压确诊时，血凝块阻碍了中枢脑部系统之中的动脉血引，临床医师需很快采取行动，给予直接的外科手术。一般而言，医师需来进行脑部图像以表明由病卒之中引起的中枢脑部系统损伤区域，原理是用于磁共振核磁共振（MRI）或计算机断层图像（CT）。但是这些图像原理需用于化学游离，有些还含有低剂量的X-伽玛辐射，而另一些则可能对有肾脏或血管疾病的高血压造成危害。在这项研究工作之中，之中山王炯炯名誉教授设计团队构建并测试了一种人工智能（AI）原理，该原理可以从一种更为安全的中枢脑部系统图像类型（伪连续动脉动量标示出磁共振核磁共振，pCASL MRI）之中系统会分离出有关病卒之中危害的数据。据了解，这是首次应用深学习原理和无游离灌注MRI来识别因病卒之中而损坏的脑组织的跨平台、跨机构的系统会性研究工作。该基本概念是一种很有期望的原理，可以帮助医师订立病卒之中的临床外科手术建议书，并且是完全无创的。在评估病卒之中高血压损坏脑组织的测试之中，该pCASL 深学习基本概念在两个独立的数据集上以外借助了92％的精确度。之中山王炯炯名誉教授设计团队，都有在读Clark研究工作生之中山杨林、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimClark，与加州国立大学洛杉矶分校（UCLA） 和哈佛国立大学（Stanford）的科学家合作来进行了这项研究工作。为了训练这一基本概念，研究工作职员用于167个图像集，采集于加州国立大学洛杉矶分校的1.5Tesla和3.0Tesla阿尔斯通（Siemens）MRI 系统会，受试者为137例缺血型病卒之中病症。经过训练的基本概念在12个图像集上来进行了独立验证，该图像集采集于哈佛国立大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统会。据了解，这项研究工作的一个显着亮点是，其基本概念被断定是在多种不同核磁共振平台、多种不同的医院、多种不同病症群体的情况下依然是直接的。接下来，之中山王炯炯名誉教授设计团队计划来进行一项更为大规模的研究工作，以在更为多医疗机构之中评估该原理，并将急性冠心病病卒之中的外科手术窗口扩张到症状低烧后24小时以上。ROC 和 Precision-recall curve （PRC）显示深学习（DL）比六种自然语言处理（ML）的原理更为准确。