醫(yī)療中心正在使用AI識別大血管閉塞和診斷中風(fēng)

（文章來源：教育新聞網(wǎng)）

最近發(fā)表的系統(tǒng)評價(jià)顯示，主要醫(yī)療中心正在迅速使用人工智能(AI)來識別大血管閉塞(LVO)和診斷中風(fēng)。盡管AI有可能加快治療速度并解決許多患者的關(guān)鍵時(shí)間延遲問題，但作者Nick Murray(美國斯坦福大學(xué))和同事們承認(rèn)，該軟件很復(fù)雜，不同軟件的性能差異很大。人工智能產(chǎn)品。研究小組指出，在比較AI軟件的隨機(jī)對照試驗(yàn)“很少”的情況下，為了使該領(lǐng)域能夠充分利用AI算法的利益，未來的研究應(yīng)標(biāo)準(zhǔn)化驗(yàn)證和比較方法。

斯坦福大學(xué)和約翰·霍普金斯(美國巴爾的摩)的團(tuán)隊(duì)描述了應(yīng)用于中風(fēng)的AI和機(jī)器學(xué)習(xí)(ML)的基礎(chǔ)知識：“ ML是與AI相關(guān)的研究領(lǐng)域，為發(fā)現(xiàn)和制定決策規(guī)則提供了工具從數(shù)據(jù)。對于中風(fēng)，任何AI或ML算法的主要目標(biāo)都是從3D斷層圖像中可靠地識別出特征(例如LVO)的存在與否?！?/p>

默里在接受NeuroNews采訪時(shí)說，使用AI的中風(fēng)診斷軟件的好處是“無數(shù)的”。這些措施包括：“更快的中風(fēng)診斷，更快的中風(fēng)治療[以及]何時(shí)以及如何治療中風(fēng)的更好決策。”總體而言，Murray說，“這減少了腦細(xì)胞的丟失，這可能是恢復(fù)獨(dú)立功能與減少腦功能的區(qū)別。工作，并陷入癱瘓?！?/p>

在發(fā)表于《神經(jīng)介入外科雜志》上的手稿中，作者支持以下共識：人工智能工具可以緩解即時(shí)標(biāo)準(zhǔn)化的對時(shí)間敏感的中風(fēng)檢測和分類的“未滿足”需求。他們概述了臨床醫(yī)生如何實(shí)時(shí)使用AI來改善圖像的解釋。他們寫道：“這種理解對于對使用AI軟件的中風(fēng)患者的掃描進(jìn)行明智的解釋是必要的，”

該團(tuán)隊(duì)通過描述當(dāng)前文獻(xiàn)和最近才向臨床醫(yī)生提供的ML診斷技術(shù)，回顧了缺血性卒中診斷中AI的當(dāng)前狀況。根據(jù)PRISMA指南，他們使用PubMed，Medline和Embase進(jìn)行了審查，總共提取了20項(xiàng)符合標(biāo)準(zhǔn)的研究。

盡管如此，在10篇使用RFL的研究中，作者報(bào)告說：“ AI的性能通常優(yōu)于單一放射線醫(yī)師ASPECTS，并且不遜于甚至優(yōu)于共識的ASPECTS?！彼麄冞€承認(rèn)，iSchemaView的RAPID CT和MR具有最高的AI準(zhǔn)確度指標(biāo)，有些數(shù)據(jù)集顯示100%的靈敏度可預(yù)測有利的灌注失配。

根據(jù)研究小組的說法，利用AI算法進(jìn)行急性預(yù)后的一個(gè)優(yōu)勢是，它們有助于立即進(jìn)行治療計(jì)劃。是否提供IV tPA或血管內(nèi)治療，或近期結(jié)果預(yù)測，例如顱內(nèi)出血。作者指出，Viz.ai軟件是當(dāng)前可用的唯一可自動(dòng)檢測血管阻塞然后通過應(yīng)用程序警告中風(fēng)團(tuán)隊(duì)的軟件。然后，醫(yī)生可以啟動(dòng)直升機(jī)運(yùn)輸，將患者直接帶到能夠進(jìn)行血栓切除術(shù)的醫(yī)院。根據(jù)Murray等人的說法，迄今為止，Viz.ai的軟件已在多家醫(yī)院得到驗(yàn)證。

作者還解釋說，某些版本的AI具有很好的預(yù)測能力，可以幫助解釋傳統(tǒng)的中風(fēng)成像結(jié)果。因此，AI可以減少圖像解釋中的假陰性人為錯(cuò)誤，進(jìn)而提高中風(fēng)分類的效率，并最大程度地降低發(fā)病率和死亡率。

但是，Murray及其同事堅(jiān)持認(rèn)為，“尚未完善AI對急性中風(fēng)的診斷”，并且仍然存在錯(cuò)誤。他們提到經(jīng)過同行評審的文獻(xiàn)，這些文獻(xiàn)報(bào)告了AI算法的平均靈敏度指標(biāo)為68%，“這表明AI算法可能會(huì)丟失多達(dá)三分之一的成像輸出結(jié)果”。在這種情況下，研究人員提出了AI失敗的原因：“放射成像掃描異常來自先前存在的中樞神經(jīng)損傷，造影劑不足，無法校正患者的運(yùn)動(dòng)以及曲折的血管，無法評估造影劑?！币虼耍哂凶罡咝阅芎妥詣?dòng)化功能的軟件必不可少。

此外，該團(tuán)隊(duì)寫道，“由于一些AI算法報(bào)告的特異性較低，因此由醫(yī)生嚴(yán)格審查放射圖像仍然很重要”。盡管LVO檢測方法旨在提高陽性檢測率，但“將注意到醫(yī)生負(fù)擔(dān)增加的包含假陽性掃描次數(shù)的負(fù)擔(dān)”。為了適應(yīng)AI的這些進(jìn)步，用于LVO診斷的驗(yàn)證研究正在迅速發(fā)展。盡管如此，研究人員堅(jiān)持認(rèn)為，“迫切需要對“基本事實(shí)”有一個(gè)清晰的定義，以對其進(jìn)行一致的評估?！彼麄儚?qiáng)調(diào)：“擁有一套一致的指標(biāo)對于改善急性卒中護(hù)理中的AI至關(guān)重要?！?br /> ? ? ? ?