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

近日，加拿大南加州的大学（USC）Mark and Mary Stevens 神经影像与信息学研究者机构（INI）的研究者人员正在研究者一种替代原理，该原理使临床牙医无需向病症注射游离即可评核脑病故中会损害。该工作团队于2019年12月在《Stroke》周刊上的刊登了题为《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神经科研究者员中山王炯炯（Danny JJ Wang）；第一作者是南加州的大学材料科学工程系在读指导研究者员生中山王凯。据认识到，急性高血压脑病故中会 (acute ischemic stroke) 是脑病故中会的最常见的类型。当病症发病时，血凝块阻碍了小脑中会的动脉血源，临床外科无需迅速提供援助，给以有效率的用药。通常，牙医无需顺利完成脑部扫描以确定由病故中会引起的小脑损伤区域，原理是用于表征成像（MRI）或计算机断层扫描（CT）。但是这些扫描原理无需用于化学游离，有些还含有高剂量的X-射线源伽马射线源，而另一些则可能对有脾脏或血管疾病的病症造成危害。在这项研究者中会，中山王炯炯研究者员工作团队构建并试验中了一种认知科学（AI）算法，该算法可以从一种更为确保的小脑扫描类型（实为连续动脉原子标记表征成像，pCASL MRI）中会自动提取有关病故中会损害的数据。据认识到，这是首次运用于厚度研修算法和无游离灌注MRI来定位因病故中会而损毁的腹腔的跨平台、跨机构的系统会性研究者。该模型是一种很有前景的原理，可以帮助牙医拟订病故中会的临床用药方案，并且是完全无创的。在评核病故中会病症损毁腹腔的试验中中会，该pCASL 厚度研修模型在两个单独的数据集上均实现了92％的准确度。中山王炯炯研究者员工作团队，包括在读指导研究者员名教授中山王凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim指导研究者员，与加州的大学洛杉矶分校（UCLA） 和斯坦福的大学（Stanford）的科学家携手顺利完成了这项研究者。为了训练这一模型，研究者人员用于167个投影集，通过观察于加州的大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统会，病患为137例缺血型病故中会病人。经过训练的模型在12个投影集上顺利完成了单独验证，该投影集通过观察于斯坦福的大学的1.5Tesla和3.0Tesla美国航空（GE） MRI系统会。据认识到，这项研究者的一个显着亮点是，其模型被确实是在不尽相同成像平台、不尽相同公立医院、不尽相同病人群体的情形一直是有效率的。接下来，中山王炯炯研究者员工作团队计划顺利完成一项更为大规模的研究者，以在更为多医疗机构中会评核该算法，并将急性高血压病故中会的用药窗口拓展到病因中风后24小时以上。ROC 和 Precision-recall curve （PRC）显示厚度研修（DL）比六种机器研修（ML）的原理更为准确。