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

已对，美国南加州学院（USC）Mark and Mary Stevens 神经影像与信息学研究所（INI）的研究部门正在研究一种替代工具，该工具使外科内科医生无需向患者注射静脉只需风险评估脑亡里面损害。该的团队于2019年12月初在《Stroke》周刊上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的篇名。这书评的通讯作者是INI神经学家研究员王之炯炯（Danny JJ Wang）；第一作者是南加州学院生物医学工程系在读Dr生王之凯。据了解到，急性囊肿性脑亡里面 (acute ischemic stroke) 是脑亡里面的最常见的各种类型。当患者发病时，血凝块阻碍了神经里面的动脉血流，外科外科医生只能迅速提供援助，给以有效的用药。通常，内科医生只能顺利完成脑组织扫描以确认由亡里面引发的神经损坏区域，工具是可用表征超声（MRI）或计算机断层扫描（CT）。但是这些扫描工具只能可用工程学静脉，有些还所含较高剂量的X-射线辐射，而另一些则也许对有肾脏或血管疾病的患者受伤害。在这项研究里面，王之炯炯研究员的团队构建并测试了一种人工智能（AI）搜索算法，该搜索算法可以从一种来得安全的神经扫描各种类型（伪不间断动脉自旋标记表征超声，pCASL MRI）里面系统会提取有关亡里面损害的数据库。据了解到，这是首次应用厚度研读搜索算法和无静脉灌注MRI来比对因亡里面而毁坏的脑组织的跨平台、跨机构的系统会性研究。该静态是一种很有前景的工具，可以帮助内科医生制定亡里面的外科用药可行性，并且是完全无创的。在风险评估亡里面患者毁坏脑组织的测试里面，该pCASL 厚度研读静态在两个独立的数据库集上均实现了92％的精度。王之炯炯研究员的团队，包括在读Dr研修王之凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung KimDr，与加州学院洛杉矶分校（UCLA） 和斯坦福学院（Stanford）的科学家合作顺利完成了这项研究。为了操练这一静态，研究部门可用167个图像集，采自于加州学院洛杉矶分校的1.5Tesla和3.0Tesla西门子公司（Siemens）MRI 系统会，医护人员为137例囊肿型亡里面医护人员。经过操练的静态在12个图像集上顺利完成了独立有效性，该图像集采自于斯坦福学院的1.5Tesla和3.0Tesla通用电气（GE） MRI系统会。据了解到，这项研究的一个显着举世闻名是，其静态被证明是在完全相同超声平台、完全相同疗养院、完全相同医护人员人群的情况下依然是有效的。接下来，王之炯炯研究员的团队著手顺利完成一项来得大规模的研究，以在来得多附属医院里面风险评估该搜索算法，并将急性囊肿性亡里面的用药售票厅拓展到征状发作后24全程以上。ROC 和 Precision-recall curve （PRC）结果显示厚度研读（DL）比六种数据库分析（ML）的工具来得吻合。