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

近日，美国北卡罗来纳州该大学（USC）Mark and Mary Stevens 神经影像与信息学深入所长（INI）的深入研究医务人员正在深入研究一种替代步骤，该步骤使临床中医师无需向病患注射静脉即可风险评估脑亡中都损害。该开发团队于2019年12月在《Stroke》周报上的刊载了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这书评的通讯设备笔记是INI神经学客座教授称王炯炯（Danny JJ Wang）；第一笔记是北卡罗来纳州该大学生命科学化学系在读耶鲁大学生称张宁。据理解，急性缺血性脑亡中都 (acute ischemic stroke) 是脑亡中都的最常见的类型。当病患发病时，血凝块阻碍了神经中都的动脉血流，临床中医师并不需要迅速介入，赋予理论上的化疗。通常，中医师并不需要展开视网膜成像以确认由亡中都惹来的神经损伤周围，步骤是可用造影激光（MRI）或计算机断层成像（CT）。但是这些成像步骤并不需要可用药理学静脉，有些还含有高副作用的X-射线微波，而另一些则可能对有肾脏或血管疾病的病患伤及。在这项深入研究中都，称王炯炯客座教授开发团队相结合并试验了一种计算机（AI）解法，该解法可以从一种愈来愈必要的神经成像类型（伪整年动脉自旋标记造影激光，pCASL MRI）中都自动萃取有关亡中都损害的数据库。据理解，这是首次应用于厚度努力学习解法和无静脉灌注MRI来辨识因亡中都而损坏的心脏的跨的平台、跨行政部门的系统地深入研究。该仿真是一种很有脆弱性的步骤，可以帮助中医师制定亡中都的临床化疗拟议，并且是仅仅无创的。在风险评估亡中都病患损坏心脏的试验中都，该pCASL 厚度努力学习仿真在两个独立自主的数据库集上均实现了92％的准确度。称王炯炯客座教授开发团队，最主要在读耶鲁大学深入研究生称张宁、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁大学，与加州该大学洛杉矶分校（UCLA） 和斯坦福该大学（Stanford）的科学家合作展开了这项深入研究。为了训练这一仿真，深入研究医务人员可用167个图象集，采集于加州该大学洛杉矶分校的1.5Tesla和3.0Tesla西门子公司（Siemens）MRI 系统，病患为137例缺血型亡中都病人。经过训练的仿真在12个图象集上展开了独立自主验证，该图象集采集于斯坦福该大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据理解，这项深入研究的一个显着亮点是，其仿真被证明了是在相同激光的平台、相同病房、相同病人族群的情况下依然是理论上的。再一，称王炯炯客座教授开发团队蓝图展开一项愈来愈大规模的深入研究，以在愈来愈多医疗行政部门中都风险评估该解法，并将急性缺血性亡中都的化疗窗口拓展到症状猝死后24小时以上。ROC 和 Precision-recall curve （PRC）表明厚度努力学习（DL）比六种机器努力学习（ML）的步骤愈来愈准确。