近日，浙大二院教授童璐莎、高峰團隊，聯(lián)合浙江大學生物儀器與工程學院教授趙立團隊，成功開發(fā)出一種用于區(qū)別急性自發(fā)性腦出血的可解釋性人工智能（AI）模型。
該模型針對急性腦葉出血發(fā)病兇險、病因鑒別困難等問題，僅利用常規(guī)頭顱CT（非增強），即可從急診腦出血患者中精準識別出腦靜脈系統(tǒng)血栓繼發(fā)出血，靈敏度達96%。相關成果發(fā)表于頂級醫(yī)學期刊《柳葉刀》子刊《電子臨床醫(yī)學》。腦靜脈系統(tǒng)血栓繼發(fā)出血是由于腦部靜脈堵塞-靜脈壓力增高-靜脈破壞出血，具有發(fā)病罕見、病情重、死亡率高的特點，一個月內(nèi)死亡率高達50%。值得注意的是，這種類型的出血的治療方案與其他類型的腦出血截然相反，需要盡快抗凝或者手術消除靜脈內(nèi)血栓。若誤診或漏診將會導致不合理的治療，會危及患者生命。特別是，目前在我國尤其是基層醫(yī)院，腦靜脈系統(tǒng)血栓正確診斷率低。運用常規(guī)的診斷方式，比如CT顱內(nèi)靜脈造影、磁共振靜脈成像等，在基層醫(yī)院較難實行，或者因檢查復雜而耗時較長，大大增加病情延誤的風險。在此背景下，研究團隊提出一種僅基于急診的平掃CT進行判別的AI輔助工具。旨在通過在所有醫(yī)院都能實現(xiàn)的急診首要檢查，輔助醫(yī)師快速、準確地識別腦靜脈及靜脈竇血栓形成繼發(fā)出血，早期實施精準治療，提高患者生存率。研究團隊整合國內(nèi)多家三甲醫(yī)院的頭顱CT數(shù)據(jù)，依托多學科技術力量，構建了針對CVST-ICH的人工智能診斷模型。該模型基于非增強CT影像，訓練可解釋性深度學習算法，能夠快速、準確地識別CVST-ICH，其診斷靈敏度高達96%。該模型還經(jīng)過三甲醫(yī)院醫(yī)生的實戰(zhàn)測試，并與來自放射科、神經(jīng)內(nèi)科、急診科的9位不同年資的醫(yī)生進行了診斷性能比較。結果顯示，AI模型的表現(xiàn)顯著優(yōu)于醫(yī)生的平均水平，在AI模型的輔助下，醫(yī)生再次診斷的正確率提升約20%。為進一步增強模型可解釋性，研究團隊采用4種視覺化的AI可解釋性方法，揭示了血腫邊緣特征在模型決策中的關鍵作用。這有助于消除醫(yī)生對于AI輔助決策中“黑箱”性質的疑慮，增強了實際臨床應用中的信任度。童璐莎教授表示，開發(fā)這一模型的初衷是為響應浙江省醫(yī)療“共同富?！钡奶栒伲鋵嶀t(yī)療資源均衡化戰(zhàn)略，使基層醫(yī)療機構能通過最基本的檢查實現(xiàn)準確的診斷。為了讓該模型能夠更便捷地應用于臨床，研究團隊決定放棄專利申請，將模型完全開源。
特別聲明：智慧醫(yī)療網(wǎng)轉載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時并不代表贊成其觀點或證實其描述，內(nèi)容僅供參考。版權歸原作者所有，若有侵權，請聯(lián)系我們刪除。
凡來源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉載需獲授權。
