卒中護(hù)理是近年來人工智能研究產(chǎn)生最大影響的領(lǐng)域之一,，《放射學(xué)》上發(fā)表的一項(xiàng)新研究著眼于這種不斷發(fā)展的技術(shù)可以發(fā)揮作用的另一種方式。根據(jù)一個國際研究小組的工作(該小組包括加拿大,，韓國和瑞士的代表),，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)可用于在急性缺血性卒中(AIS)的非對比CT掃描中識別梗塞的腦組織)。

檢測梗塞對于AIS患者的治療至關(guān)重要,，它提供了可以傳達(dá)溶栓或血栓切除術(shù)是否可行的關(guān)鍵背景信息,，但是在非對比CT圖像中評估梗塞可能是一項(xiàng)艱巨的任務(wù)。

卡爾加里大學(xué)的吳秋(音譯)寫道：通過非對比增強(qiáng)CT定量評估梗塞是一項(xiàng)挑戰(zhàn),，因?yàn)槭芾鄞竽X區(qū)域的密度和質(zhì)地變化微妙,，并可能因正常的生理變化或舊病變而混淆。同事,。腦組織圖像的信噪比低,，切片厚，對比度低,，這使大多數(shù)傳統(tǒng)的基于圖像的分割方法變得困難,。

該團(tuán)隊(duì)研究了2004年5月至2009年6月接受治療的157名AIS患者的非對比CT圖像，從而開發(fā)了一種混合AI模型,，將基于深度學(xué)習(xí)的功能整合到了機(jī)器學(xué)習(xí)框架中,。這些相同的患者被用作參考標(biāo)準(zhǔn)。使用來自其他100例接受非對比CT掃描和彌散加權(quán)MRI掃描的患者的數(shù)據(jù)建立了測試數(shù)據(jù)集,。

總體而言,，作者發(fā)現(xiàn)AI檢測到的病變體積與專家輪廓病變體積的參考標(biāo)準(zhǔn)相關(guān)。AI分割體積和彌散加權(quán)MRI體積之間的平均差為11 mL,。

這組作者寫道：類似此處提出的方法,，可以幫助從AIS患者的基線非增強(qiáng)CT圖像中描繪和量化梗死，從而幫助醫(yī)生做出臨床決策,。

研究人員確實(shí)指出,，他們的研究存在某些局限性,。例如，深度學(xué)習(xí)算法僅提供腦梗塞的近似值,，而不能真正檢測到它,。此外，他們還補(bǔ)充說,，需要來自其他設(shè)施的數(shù)據(jù)來進(jìn)行額外的驗(yàn)證,，并且需要加快該技術(shù)的使用，以便可以在臨床環(huán)境中實(shí)際使用它,。