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

近日，英美两国北加州医学院（USC）Mark and Mary Stevens 神经摄影机与信息学学术研究室（INI）的学术研究医护人员刚刚学术研究一种替代分析方法，该分析方法使病理医生无需向用药注射造影剂即可评量脑卒于之中危及。该一个团队于2019年12月底在《Stroke》杂志上的出版了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的收发所写是INI神经学教授君炯炯（Danny JJ Wang）；第一所写是北加州医学院生物科技工程系在读名教授君凯。据了解到，急性缺血性脑卒于之中 (acute ischemic stroke) 是脑卒于之中的最少见的类别。当用药肺癌时，血凝块阻碍了人脑之中的动脉血流，病理医师能够迅速采取行动，得到必要的用药。通常，医生能够顺利进行神经显影以获知由卒于之中引起的人脑损伤区域，分析方法是用于造影核磁共振（MRI）或计算机断层显影（CT）。但是这些显影分析方法能够用于化学造影剂，有些还含有高剂量的X-射线辐射，而另一些则可能对有肿瘤或血管疟疾的用药受伤害。在这项学术研究之中，君炯炯教授一个团队构建并测试了一种人工智能（AI）演算法，该演算法可以从一种愈来愈安全的人脑显影类别（实为近十年动脉原子标记造影核磁共振，pCASL MRI）之中自动提取有关卒于之中危及的资料。据了解到，这是首次分析分析方法深修习演算法和无造影剂灌注MRI来识别因卒于之中而损伤的心脏的功能强大、跨私人机构的子系统性学术研究。该静态是一种很有前景的分析方法，可以帮助医生制定卒于之中的病理用药计划，并且是完全无创的。在评量卒于之中用药损伤心脏的测试之中，该pCASL 深修习静态在两个独立的资料集上仅有实现了92％的准确度。君炯炯教授一个团队，包括在读博士学术研究生君凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim博士，与加州医学院洛杉矶分校（UCLA） 和斯坦福医学院（Stanford）的发现者合作关系顺利进行了这项学术研究。为了锻炼这一静态，学术研究医护人员用于167个位图集，挖掘于加州医学院洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 子系统，受试者为137亦然缺血HG卒于之中用药。经过锻炼的静态在12个位图集上顺利进行了独立验证，该位图集挖掘于斯坦福医学院的1.5Tesla和3.0Tesla通用电气（GE） MRI子系统。据了解到，这项学术研究的一个显着令人难忘是，其静态被证明是在各不相同核磁共振平台、各不相同医院、各不相同用药社群的情况依然是必要的。接下来，君炯炯教授一个团队计划顺利进行一项愈来愈大规模的学术研究，以在愈来愈多医疗私人机构之中评量该演算法，并将急性缺血性卒于之中的用药窗口拓展到症状发作后24两星期以上。ROC 和 Precision-recall curve （PRC）推测深修习（DL）比六种机器修习（ML）的分析方法愈来愈准确。