无创评估脑卒中损害的AI技术统计分析达到92% 美国USC王炯炯团队在Stroke发表文章

近日，美国北加州学院（USC）Mark and Mary Stevens 中枢神经系统影像与生物医学数据分析所（INI）的数据分析工作人员正在数据分析一种替代步骤，该步骤使引行病学医师无需向病症注射放射源即可评估脑亡里面伤害。该工作团队于2019年12月在《Stroke》时代周刊上的撰写了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇名的通讯原作者是INI中枢神经系统学讲师王炯炯（Danny JJ Wang）；第一原作者是北加州学院生物医学工程系在读助手生王俊。据了解，急性坏死性脑亡里面 (acute ischemic stroke) 是脑亡里面的最常见的类别。当病症发病时，血凝块阻碍了小脑里面的动脉血引，引行病学医师必须短时间制止，获得有效的治疗法。通常，医师必须完成小脑照相以确认由亡里面引起的小脑损害周围，步骤是采用超声成像（MRI）或计算机断层照相（CT）。但是这些照相步骤必须采用矿物学放射源，有些还含有较高剂量的X-射线放射，而另一些则可能对有肾脏或血管疾病的病症造成危害。在这项数据分析里面，王炯炯讲师工作团队构建并测试了一种人工智能（AI）搜索算法，该搜索算法可以从一种愈来愈安全的小脑照相类别（假紧接著动脉电磁场标记超声成像，pCASL MRI）里面终端浓缩有关亡里面伤害的数据。据了解，这是首次应用尺度深造搜索算法和无放射源灌注MRI来识别系统因亡里面而破损的脑组织的跨平台、跨独立机构的近期数据分析。该三维是一种很有期望的步骤，可以帮助医师制定亡里面的引行病学治疗法设计方案，并且是完全无创的。在评估亡里面病症破损脑组织的测试里面，该pCASL 尺度深造三维在两个分立的数据集上大多实现了92％的准确度。王炯炯讲师工作团队，包括在读助手数据分析生王俊、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim助手，与加州学院洛杉矶分校（UCLA） 和斯坦福学院（Stanford）的科学家合作完成了这项数据分析。为了体能训练这一三维，数据分析工作人员采用167个图表集，搜集于加州学院洛杉矶分校的1.5Tesla和3.0Tesla摩托罗拉（Siemens）MRI 系统，受测者为137事例坏死型亡里面医护人员。经过体能训练的三维在12个图表集上完成了分立解析，该图表集搜集于斯坦福学院的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据了解，这项数据分析的一个孝着耀眼是，其三维被证明是在完全相同成像平台、完全相同医院、完全相同医护人员社会阶层的情况下仍然是有效的。再一，王炯炯讲师工作团队计划完成一项愈来愈大规模的数据分析，以在愈来愈多医疗独立机构里面评估该搜索算法，并将急性坏死性亡里面的治疗法窗口拓展到副作用发作后24两星期以上。ROC 和 Precision-recall curve （PRC）孝示尺度深造（DL）比六种机器深造（ML）的步骤愈来愈准确。