醫(yī)療中心正在使用AI識(shí)別大血管閉塞和診斷中風(fēng)

（文章來(lái)源：教育新聞網(wǎng)）

最近發(fā)表的系統(tǒng)評(píng)價(jià)顯示，主要醫(yī)療中心正在迅速使用人工智能(AI)來(lái)識(shí)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(wèn)題，但作者Nick Murray(美國(guó)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(duì)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(lái)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(guó)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(shí)：“ 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(duì)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(shí)別出特征(例如LVO)的存在與否。”

默里在接受NeuroNews采訪時(shí)說(shuō)，使用AI的中風(fēng)診斷軟件的好處是“無(wú)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?！笨傮w而言，Murray說(shuō)，“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(shí)：人工智能工具可以緩解即時(shí)標(biāo)準(zhǔn)化的對(duì)時(shí)間敏感的中風(fēng)檢測(cè)和分類(lèi)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(lái)改善圖像的解釋。他們寫(xiě)道：“這種理解對(duì)于對(duì)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(guò)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(shuō)：“ 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(shí)的ASPECTS。”他們還承認(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(cè)有利的灌注失配。

根據(jù)研究小組的說(shuō)法，利用AI算法進(jìn)行急性預(yù)后的一個(gè)優(yōu)勢(shì)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(cè)，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(cè)血管阻塞然后通過(guò)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(shuō)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(shuō)，某些版本的AI具有很好的預(yù)測(cè)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(lèi)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(duì)急性中風(fēng)的診斷”，并且仍然存在錯(cuò)誤。他們提到經(jīng)過(guò)同行評(píng)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(lái)自先前存在的中樞神經(jīng)損傷，造影劑不足，無(wú)法校正患者的運(yùn)動(dòng)以及曲折的血管，無(wú)法評(píng)估造影劑?！币虼?，具有最高性能和自動(dòng)化功能的軟件必不可少。

此外，該團(tuán)隊(duì)寫(xiě)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(cè)方法旨在提高陽(yáng)性檢測(cè)率，但“將注意到醫(yī)生負(fù)擔(dān)增加的包含假陽(yáng)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(duì)“基本事實(shí)”有一個(gè)清晰的定義，以對(duì)其進(jìn)行一致的評(píng)估。”他們強(qiáng)調(diào)：“擁有一套一致的指標(biāo)對(duì)于改善急性卒中護(hù)理中的AI至關(guān)重要?！?br /> ? ? ? ?