根據(jù)發(fā)表的研究報告，人工智能（AI）算法可以對一系列急性神經(jīng)事件（例如中風，出血或急性腦積水）進行頭部CT檢查，從而能夠?qū)π枰派淇漆t(yī)生進行緊急檢查的病例進行分類。

來自美國西奈山伊坎醫(yī)學院的研究人員訓練了一個3D卷積神經(jīng)網(wǎng)絡（CNN）來分析頭部CT圖像并確定，用于分類，如果它們包含急性神經(jīng)系統(tǒng)疾病或非關(guān)鍵性發(fā)現(xiàn)。盡管不如放射科醫(yī)師準確，但在模擬臨床環(huán)境中發(fā)現(xiàn)該算法在提供關(guān)鍵發(fā)現(xiàn)的通知方面要快得多。在模擬放射科醫(yī)師工作清單中對緊急病例進行優(yōu)先排序也很有效。

加快診斷速度

深度學習項目是最初的研究，該研究啟動了美國西奈山人工智能研究聯(lián)盟（AISINAI），這是一組西奈山衛(wèi)生系統(tǒng)的科學家，醫(yī)生和研究人員，致力于開發(fā)醫(yī)學AI，以改善患者護理并準確幫助醫(yī)生據(jù)研究人員稱，疾病的診斷。

美國山地伊坎醫(yī)學院神經(jīng)外科系講師：“這是我的個人經(jīng)驗，神經(jīng)外科醫(yī)生，我的技術(shù)培訓作為一個數(shù)學家和深入學習研究的完美結(jié)合，”。由于我在照顧患有急性神經(jīng)系統(tǒng)疾病的患者方面的具體經(jīng)驗，我的動機是，任何減少我們接觸它們的時間的方法可能會改善其結(jié)果。

美國有線電視新聞網(wǎng)接受了培訓，將研究標記為關(guān)鍵性或非關(guān)鍵性;研究人員表示，根據(jù)臨界發(fā)現(xiàn)概率，可以在放射科醫(yī)生的工作隊列中對這些考試進行排序。通過對算法的測試，他們確定可以構(gòu)建一個分類系統(tǒng)，該系統(tǒng)在人類靈敏度水平上起作用，并且理論上可以在50％的關(guān)鍵病例中以21％的誤報率警告醫(yī)生。

性能更快

為了研究深度學習技術(shù)是否可以對研究進行有意義的分類，研究人員在模擬臨床環(huán)境中進行了一項隨機對照試驗，以評估該方法作為報警機制以及分類系統(tǒng)。研究人員表示，該算法平均完成了1.2秒的圖像預處理和推理，而放射科醫(yī)師平均需要177秒來檢查圖像并提供關(guān)鍵發(fā)現(xiàn)的通知。

在為模擬臨床環(huán)境中的病例生成工作隊列時，研究人員還發(fā)現(xiàn)，AI算法對緊急病例進行分類的能力產(chǎn)生了可量化的好處。對于優(yōu)先列表而言，緊急研究早于常規(guī)病例出現(xiàn)，隊列位置的差異具有統(tǒng)計學意義（p=0.01）。

在未來，研究人員計劃比較和研究弱監(jiān)督和強監(jiān)督分類器與放射成像的效果，以及探索結(jié)合兩種方法的最佳方法。

該系統(tǒng)尚未在臨床上使用，因為該小組主要關(guān)注理論和應用深度學習研究。但是，我們非常有興趣找到改善患者護理的方法。我們的團隊主要受到醫(yī)生的影響，改善患者的治療效果是我們最關(guān)心的問題。

責任編輯：ct