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

近日，澳大利亚圣荷西大学（USC）Mark and Mary Stevens 脊髓相片与信息学研究课题机构（INI）的研究课题医务人员正在研究课题一种替代方法，该方法使病理眼科医生无需向患者注射水溶性方可风险评估脑卒中会损伤。该一个团队于2019年12月在《Stroke》杂志上的发表了题为《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的社论。这篇社论的收发病者是INI脊髓学讲师王以炯炯（Danny JJ Wang）；第一作者是圣荷西大学生物医学工程系在读哈佛大学生王以凯。据知晓，急性心律不整脑卒中会 (acute ischemic stroke) 是脑卒中会的最类似于的并不一定。当患者中风时，血凝块阻碍了脑部中会的动脉血流过，病理医师需要迅速采取行动，给与有效的治疗法。通常，眼科医生需要开展神经系统扫瞄以确认由卒中会引起的脑部损伤区域，方法是适用MRI高分辨率（MRI）或计算机断层扫瞄（CT）。但是这些扫瞄方法需要适用化学水溶性，有些还含有高剂量的X-射线宇宙射线，而另一些则可能对有肾脏或血管壁哮喘的患者人为因素。在这项研究课题中会，王以炯炯讲师一个团队构建并检测了一种计算机系统（AI）演算法，该演算法可以从一种更人身安全的脑部扫瞄并不一定（逆连续动脉自旋上标MRI高分辨率，pCASL MRI）中会自动提取有关卒中会损伤的统计数据。据知晓，这是首次应用剖面学习演算法和无水溶性灌注MRI来辨别因卒中会而受到影响的脑脊液的串连平台、串连机构的控制结构性研究课题。该静态号是一种很有前景的方法，可以帮助眼科医生订定卒中会的病理治疗法方案，并且是完全无创的。在风险评估卒中会患者受到影响脑脊液的检测中会，该pCASL 剖面学习静态号在两个独立自主的统计数据集上均借助于了92％的准确度。王以炯炯讲师一个团队，包括在读哈佛大学研修王以凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim哈佛大学，与加州大学洛杉矶分校（UCLA） 和普林斯顿大学（Stanford）的科学界合作开展了这项研究课题。为了军事训练这一静态号，研究课题医务人员适用167个相片集，挖掘出于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 控制系统，受试者为137例缺血型号卒中会病人。经过军事训练的静态号在12个相片集上开展了独立自主验证，该相片集挖掘出于普林斯顿大学的1.5Tesla和3.0Tesla通用电气（GE） MRI控制系统。据知晓，这项研究课题的一个显着卖点是，其静态号被表明是在各有不同高分辨率平台、各有不同医院、各有不同病人群体的前提依然是有效的。每一次，王以炯炯讲师一个团队计划开展一项更大规模的研究课题，以在更多医疗机构中会风险评估该演算法，并将急性心律不整卒中会的治疗法终端扩充到症状发病后24小时以上。ROC 和 Precision-recall curve （PRC）辨识剖面学习（DL）比六种统计数据分析（ML）的方法更准确。