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

近日，美国南加州的大学（USC）Mark and Mary Stevens 神经影像与信息学分析管理机构（INI）的分析人员正在分析一种替代步骤，该步骤使流行病学医生无需向呕吐麻醉造影剂即可检验脑亡中的危害。该团队于2019年12月在《Stroke》杂志上的公开发表了并作《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯创作者是INI神经学系主任王时炯炯（Danny JJ Wang）；第一创作者是南加州的大学生物科学化学系在读博士生王时凯。据明了，急性性疾病性脑亡中的 (acute ischemic stroke) 是脑亡中的的最常见的类同型。当呕吐病症时，血凝块以致于了脑干中的的颈动脉血逆，流行病学外科医生所需迅速采取行动，给予有效的病患。通常，医生所需进行脑部读取以确认由亡中的引起的脑干损伤区域，步骤是采用磁共振高分辨率（MRI）或计算机断层读取（CT）。但是这些读取步骤所需采用化学造影剂，有些还含有高低剂量的X-射线辐射，而另一些则不太可能对有肾脏或血管哮喘的呕吐造成危害。在这项分析中的，王时炯炯系主任团队实现并试验中的了一种人工智能（AI）算法，该算法可以从一种不够安全的脑干读取类同型（所谓倒数颈动脉自旋上标磁共振高分辨率，pCASL MRI）中的自动提取有关亡中的危害的数据。据明了，这是首次应用高度深造算法和无造影剂灌入MRI来鉴别因亡中的而受到影响的肌肉组织的跨网络服务、跨管理机构的系统性分析。该模同型是一种很有前途的步骤，可以尽力医生制定亡中的的流行病学病患方案，并且是无论如何无创的。在检验亡中的呕吐受到影响肌肉组织的试验中的中的，该pCASL 高度深造模同型在两个独立的数据集上均实现了92％的稳定性。王时炯炯系主任团队，还包括在读博士分析生王时凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与杜克的大学（UCLA） 和杜克的大学（Stanford）的科学家携手进行了这项分析。为了训练这一模同型，分析人员采用167个图像集，采集于杜克的大学的1.5Tesla和3.0Tesla通用电气（Siemens）MRI 系统，受试者为137例性疾病同型亡中的病患。经过训练的模同型在12个图像集上进行了独立验证，该图像集采集于杜克的大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据明了，这项分析的一个显着亮点是，其模同型被证明是在各有不同高分辨率网络服务、各有不同医院、各有不同病患群体的情况下依然是有效的。几周，王时炯炯系主任团队计划进行一项不够大规模的分析，以在不够多医务人员中的检验该算法，并将急性性疾病性亡中的的病患窗口拓展到呕吐发作后24小时以上。ROC 和 Precision-recall curve （PRC）辨识高度深造（DL）比六种机器深造（ML）的步骤不够准确。