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社论

近日，美国南加州的大学（USC）Mark and Mary Stevens 神经视觉与信息系统数据分析所（INI）的数据分析人员正在数据分析一种替代法则，该法则使药理学医师需向病症切除辐射源即可检验脑馀里面损害。该制作团队于2019年12月在《Stroke》杂志上的发表文章了并作《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这序言的通讯作者是INI神经学名誉教授王于炯炯（Danny JJ Wang）；第一作者是南加州的大学微生物学电气工程在读耶鲁的大学生王于凯。据了解到，急性结核脑馀里面 (acute ischemic stroke) 是脑馀里面的最常见的类改进型。当病症发病时，血凝块妨碍了神经系统里面的食道血漂，药理学医师需要迅速采取措施，给以有效地的治疗法。通常，医师需要进行时脑部显像以确认由馀里面激起的神经系统损伤区域，法则是可用MRI成像（MRI）或计算机断层显像（CT）。但是这些显像法则需要可用物理辐射源，有些还含有高剂量的X-伽马射线辐射，而另一些则有可能对有十二指肠或血管疟疾的病症伤及。在这项数据分析里面，王于炯炯名誉教授制作团队构建并测试了一种人工智能（AI）线性，该线性可以从一种愈来愈公共安全的神经系统显像类改进型（实为连续食道自旋标示出MRI成像，pCASL MRI）里面自动提取有关馀里面损害的数据。据了解到，这是首次领域高度研修线性和无辐射源洗涤MRI来辨认因馀里面而受损的神经的跨游戏平台、跨机构的系统性数据分析。该模改进型是一种很有前景的法则，可以帮助医师制定馀里面的药理学治疗法方案，并且是完全无创的。在检验馀里面病症受损神经的测试里面，该pCASL 高度研修模改进型在两个单一的数据集上仅意味着了92％的精确度。王于炯炯名誉教授制作团队，包括在读耶鲁的大学数据分析生王于凯、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁的大学，与加州的大学洛杉矶分校（UCLA） 和斯坦福的大学（Stanford）的科学数据分析合作进行时了这项数据分析。为了训练这一模改进型，数据分析人员可用167个三维集，捕获于加州的大学洛杉矶分校的1.5Tesla和3.0Tesla阿尔斯通（Siemens）MRI 系统，受试者为137则有缺血改进型馀里面病者。经过训练的模改进型在12个三维集上进行时了单一证明，该三维集捕获于斯坦福的大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据了解到，这项数据分析的一个祚着耀眼是，其模改进型被证明是在各有不同成像游戏平台、各有不同医院、各有不同病者人群的情况下依然是有效地的。在此之后，王于炯炯名誉教授制作团队构想进行时一项愈来愈大规模的数据分析，以在愈来愈多医务人员里面检验该线性，并将急性结核馀里面的治疗法窗口开拓到病症发作后24不间断以上。ROC 和 Precision-recall curve （PRC）祚示高度研修（DL）比六种机器研修（ML）的法则愈来愈精确。