在新的研究中，人工智能深度學習算法能夠準確識別頭部CT掃描中9種不同程度的異常。

研究人員從印度20家醫(yī)院門診放射中心，收集了超過313000張匿名患者的頭部CT掃描影像來訓練其算法，并隨機選擇9000多名患者的21000個掃描樣本驗證算法。結(jié)果顯示算法能夠準確識別頭部CT掃描中9種不同的嚴重異常。

這項由印度Qure.ai公司資助，題為《Deep learning algorithms for detection of criTIcal findings in head CT scans： a retrospecTIve study》的研究，發(fā)表在 （The Lancet）雜志上。

急診室腦CT識別困境

頭部CT（腦CT）檢查，是利用CT對顱腦進行檢查的一種方法。在頭部受外傷時，腦CT是最重要的影像學診斷方法。腦CT可明確顯示顱內(nèi)腫瘤的數(shù)目、部位、大小、輪廓、密度、瘤內(nèi)出血、鈣化以及擴散程度。

通常急診顱腦CT常見的疾病包括顱骨骨折、硬膜外血腫、硬膜下血腫、蛛網(wǎng)膜下腔出血、高血壓性腦出血等多種類型。

據(jù) （JAMA）研究顯示，近年來美國急診室計算機斷層掃描（CT）使用率呈不斷攀升趨勢。

但與之成鮮明對比的是，急診室病人通過頭部CT掃描正確診斷分類，并最終搶救成功的案例數(shù)增長趨勢并不明顯，比率只是略有上升。

急診室醫(yī)生面臨的一個問題是，如何通過頭部CT掃描將病人頭部創(chuàng)傷類型快速準確地按病情輕重緩急區(qū)分開。

AI識別九類頭部創(chuàng)傷

由印度Qure.ai 公司、印度那格浦爾CT和MRI中心、美國梅奧診所放射科、印度新德里成像，神經(jīng)科學和基因組學高級研究中心組成的研究小組，在2011年到2017年六月之間，進行了一場AI識別腦CT研究。

算法數(shù)據(jù)來自印度約20個中心，超過313000張匿名患者頭部CT掃描影像（排除了7歲以下患者的術后掃描）。研究還隨機選擇了9000多名患者的21000個掃描樣本驗證算法。

研究過程中，主要用于評估算法的是AUC（ROC曲線下方的面積大小）。包含21095次掃描數(shù)據(jù)的Qure25k數(shù)據(jù)集用于開發(fā)算法；包含第一批214次掃描和第二批277次掃描的CQ500數(shù)據(jù)集用于驗證算法。最初的臨床放射學報告和三位獨立放射科醫(yī)師的共識分別被認為是Qure25k和CQ500數(shù)據(jù)集的標準。

結(jié)果顯示，經(jīng)過訓練的深度學習算法能夠識別各種顱內(nèi)出血（即實質(zhì)內(nèi)、腦室內(nèi)、硬膜下、硬膜下和蛛網(wǎng)膜下腔）、顱骨骨折、中線轉(zhuǎn)移以及質(zhì)量效應等CT異常，可以成為識別創(chuàng)傷環(huán)境中急性頭部CT異常的有用輔助手段。

研究人員表示，這些結(jié)果需要盡快傳達給醫(yī)生。算法的AI自動化系統(tǒng)應用在偏遠地區(qū)，可方便放射科醫(yī)生工作使用。

人工智能應用腦CT診斷

人工智能技術已經(jīng)應用于胸部X光、胸部CT、腦CT等多種成像結(jié)果異常的檢測中。據(jù)了解，在腦CT檢測領域，早已有諸多玩家入局。

總部設在以色列特拉維夫的醫(yī)療人工智能公司Aidoc，其基于AI的工作流程優(yōu)化組合產(chǎn)品，可與放射科醫(yī)師合作，用于標記腦部CT中的急性顱內(nèi)出血（ICH）病例。

據(jù)了解到，2018年8月，美國FDA批準了Aidoc其組合產(chǎn)品，這也是FDA批準的全球首個利用深度學習技術，協(xié)助放射科醫(yī)生進行分診工作的產(chǎn)品。

另外，總部位于舊金山的醫(yī)療保健公司 Viz.AI？，2018年2月獲得了FDA對其腦卒中護理應用的營銷授權。該應用程序通過分析大腦的CT圖像，并可以在發(fā)現(xiàn)可疑的大血管阻塞時向神經(jīng)血管專家發(fā)送文本通知，同時安排供應商對圖像進行標準審查。