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发表文章
2020-01-16 不详 网络
近日，美国南加州大学（USC）Mark and Mary Stevens 神经影像与信息学研究所（INI）的研究人员正在研究一种替代方法，该方法使临床医生无需向患者注射造影剂即可评估脑卒中损害。该团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Label
该团队于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》的文章。这篇文章的通讯作者是INI神经学教授王炯炯（Danny JJ Wang）；第一作者是南加州大学生物医学工程系在读博士生王凯。
据了解，急性缺血性脑卒中 (acute ischemic stroke) 是脑卒中的最常见的类型。当患者发病时，血凝块阻碍了大脑中的动脉血流，临床医师需要迅速采取行动，给予有效的治疗。
通常，医生需要进行脑部扫描以确认由卒中引起的大脑损伤区域，方法是使用磁共振成像（MRI）或计算机断层扫描（CT）。但是这些扫描方法需要使用化学造影剂，有些还含有高剂量的X-射线辐射，而另一些则可能对有肾脏或血管疾病的患者造成危害。
在这项研究中，王炯炯教授团队构建并测试了一种人工智能（AI）算法，该算法可以从一种更安全的大脑扫描类型（伪连续动脉自旋标记磁共振成像，pCASL MRI）中自动提取有关卒中损害的数据。
据了解，这是首次应用深度学习算法和无造影剂灌注MRI来识别因卒中而受损的脑组织的跨平台、跨机构的系统性研究。该模型是一种很有前景的方法，可以帮助医生制定卒中的临床治疗方案，并且是完全无创的。
在评估卒中患者受损脑组织的测试中，该pCASL 深度学习模型在两个独立的数据集上均实现了92％的准确度。
王炯炯教授团队，包括在读博士研究生王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州大学洛杉矶分校（UCLA） 和斯坦福大学（Stanford）的科学家合作进行了这项研究。
为了训练这一模型，研究人员使用167个图像集，采集于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137例缺血型卒中病人。经过训练的模型在12个图像集上进行了独立验证，该图像集采集于斯坦福大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。
据了解，这项研究的一个显着亮点是，其模型被证明是在不同成像平台、不同医院、不同病人群体的情况下依然是有效的。
接下来，王炯炯教授团队计划进行一项更大规模的研究，以在更多医疗机构中评估该算法，并将急性缺血性卒中的治疗窗口拓展到症状发作后24小时以上。
ROC 和 Precision-recall curve （PRC）显示深度学习（DL）比六种机器学习（ML）的方法更准确。
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#发表文章#
36
卒中虽然是临床上常见病，溶栓，取栓等血管内治疗也很成熟，但是仍然有很多未知问题有待认知！
25