“AI辅助医生检测脑动脉瘤，灵敏度达97.5%”

本篇文章1461字，读完约4分钟

日前，辐射行业国际顶级期刊《radiology》(《放射学》)发表了来自中国的人工智能+医学影像的最新研究成果。 应用ai辅助医生检测脑动脉瘤，灵敏度达97.5%，ai协助放射科医生读片，使医生临床诊断灵敏度提高约10个百分点，疏漏率降低5个百分点。

在这篇论文中，华为云ei创新孵化lab和华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科利用华为云一站式ai开发平台modelarts开发了基于cta图像的全自动化、高度敏感的脑动脉瘤检测算法，使医生更加快速、敏感，

之后，在《radiology》的发表文章中介绍了这篇论文，文章全文翻译如下

发表在《放射学》杂志上的研究表明，人工智能中的深度学习( deep learning )技术有助于医生通过ct血管造影检测潜在的脑动脉瘤。

脑动脉瘤是大脑中血管的弱化区域。 如果不治疗，可能会泄漏、破裂，有时甚至会致命。 这些动脉瘤是否破裂以及何时破裂，取决于动脉瘤的大小、形状和位置。 因此，脑动脉瘤的检测和特征提取至关重要。

目前，ct血管造影图像是判断脑动脉瘤的首选方法。 虽然ct造影本身精度很高，但由于脑动脉瘤体积小、脑血管结构极其复杂，初次判断造影时有可能会出现漏网之鱼。

这项研究最重要的贡献者武汉协和医院放射科的罗茜博士说:“平时我们看ct报告时，有时重要的病灶被人忽视。 脑动脉瘤隐藏在什么样的忽略的小病灶里，用放射线图像的通常判断是不能发现的。

深度学习技术作为人眼的辅助工具，在精确诊断脑动脉瘤方面显示出了很大的潜力。 深度学习系统可以将现有的ct图像作为数据集进行训练，从而学习识别人眼难以发现的微小病变。 在放射线学的其他方面，如胸部x光片的肺结核检查等，深度学习技术也非常有用。

在这项新的研究中，罗茜博士和华为云、华中科技大学联合项目组的同事开发了一种高度敏感、全自动的算法，用于检测ct血管造影图像中的脑动脉瘤。 他们利用500多名患者的ct血管造影训练深度学习算法模型，同时选择其他534张ct血管造影进行测试。 这些测试的造影包括649个动脉瘤。

采用 该模型，649个脑动脉瘤中有633个成功检测，灵敏度为97.5%。 除此之外，在检查中发现了8个新动脉瘤，但都在最初的人工判断中被忽视了。

经统计分解，深度学习模型可协助放射科医生读片，明显提高病灶检测效率。 对经验少的医生来说，这个技术更有效。

龙博士说，这次开发的深度学习系统在动脉瘤的检测上表现出了很好的性能。 虽然在最初的诊断中发现了人眼可以忽略的动脉瘤，但是在深度学习系统的坡面上目前什么也看不到。

结果表明，深度学习算法在脑动脉瘤的诊断中很有潜力，有望在临床上作为诊断的辅助意见。 龙博士还告诉我们，在这种情况下，计算机不会受到经验水平、工作时间、情感等影响人类性能的因素的影响。

当然，这个系统也有点局限性。 有可能无法识别密度结构如非常小的动脉瘤和骨头的动脉瘤。 同样，其评价也受到假阳性的影响，有可能将动脉瘤之类的结构错误地识别为动脉瘤，这种情况下需要医生检查，共同进行正确的诊断。

龙博士还说，深度学习系统的目的是帮助人类医务人员，而不是取代他们。

其次，该系统还需要验证多种异构数据，如来自不同国家和地区的ct造影数据，这是判断其宣传性和在日常临床工作中的适用性的关键。

龙博士说，目前，这个深度学习系统的作用是为医生们提供建议，提高他们的精度和效率，减少误判。 人眼诊断配合计算机系统辅助检查，可以更大程度地提高诊断的准确性，实际上可以惠及患者。

来源：企业之窗