无创评估脑卒中损害的AI新科技准确率达到92% 美国USC王炯炯团队在Stroke发表文章

近日，美国橙县所大学（USC）Mark and Mary Stevens 神经图片与环境科学科学研究所（INI）的科学研究管理人员正在科学研究一种替代分析方法，该分析方法使药理学内科医生无需向病患者药剂水溶性即可检验脑卒之前负面影响。该团队于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。这篇社论的通讯原作者是INI神经科教授三王炯炯（Danny JJ Wang）；第一原作者是橙县所大学生物医学工程系在读耶鲁所大学生三林志颖。据理解，急性囊肿性脑卒之前 (acute ischemic stroke) 是脑卒之前的最相似的类型。当病患者发病时，血凝块阻碍了脑干之前的食道血流水，药理学牙医必需迅速他的政府，给与有效地的治疗。一般而言，内科医生必需展开脑干扫描以推定由卒之前引起的脑干损伤区外，分析方法是运用于于造影核磁共振（MRI）或计算机断层扫描（CT）。但是这些扫描分析方法必需运用于于化学水溶性，有些还包含高剂量的X-射线辐射，而另一些则有可能对有肝脏或血管疾病的病患者伤及。在这项科学研究之前，三王炯炯教授团队相结合并检验了一种人脑（AI）迭代，该迭代可以从一种越来越安全的脑干扫描类型（伪年中食道自旋标上造影核磁共振，pCASL MRI）之前自动所含有关卒之前负面影响的资料。据理解，这是首次运用于深求学迭代和无水溶性转化成MRI来识别因卒之前而损伤的脑组织的包涵网络服务、包涵机构的不足之处科学研究。该建模是一种很有发展前景的分析方法，可以试图内科医生制定卒之前的药理学治疗方案，并且是基本上无创的。在检验卒之前病患者损伤脑组织的检验之前，该pCASL 深求学建模在两个独立的资料集上仅有实现了92％的稳定性。三王炯炯教授团队，包括在读耶鲁所大学科学研究生三林志颖、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁所大学，与UCLA（UCLA） 和斯坦福所大学（Stanford）的研究团队合作展开了这项科学研究。为了特训这一建模，科学研究管理人员运用于于167个位图集，收集于UCLA的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137例囊肿型卒之前病人。经过特训的建模在12个位图集上展开了独立验证，该位图集收集于斯坦福所大学的1.5Tesla和3.0Tesla通用电气（GE） MRI系统。据理解，这项科学研究的一个显着亮点是，其建模被证明是在各不相同核磁共振网络服务、各不相同医院、各不相同病人社会性的情况依然是有效地的。接下来，三王炯炯教授团队原先展开一项越来越大规模的科学研究，以在越来越多医疗机构之前检验该迭代，并将急性囊肿性卒之前的治疗站内推展到症状发作后24小时以上。ROC 和 Precision-recall curve （PRC）显示深求学（DL）比六种机器求学（ML）的分析方法越来越准确。