美国治疗脑出血(美国治疗脑出血后遗症)

脑出血俗称脑溢血，很多人闻之色变，因为脑出血的死亡率极高。据《中国卒中流行报告》显示，脑出血已位列我国死亡原因第一，死亡率是欧美国家的4~5倍。

脑出血发病快，病情凶险，对脑出血患者而言，时间真的就是生命。如何降低死亡率？麻省总医院新研发的AI快速诊断系统也许是个突破。

麻省总医院（MGH）这套系统，可利用AI来快速诊断和分类脑出血，即便图像数据集较小也能为治疗决策提供依据。这项研究发布在近日的《自然》子刊《自然-生物医学工程》（Nature Biomedical Engineering）上。麻省总医院放射科的研究人员表示，对评估高风险中风患者来说，该系统是急诊科必不可少的工具。

图片来源：图虫创意

比人类更精准的AI快速诊断系统

为了“训练”这项系统，麻省总医院研究团队首先对904次头部CT扫描进行了测试。每次扫描包含约40张图像，由5名神经放射学家组成的团队来标记这些图像，确定其是否为5种出血亚型之一或有无出血。为了提高深度学习系统的准确性，由麻省总医院放射科实验室主任、哈佛医学院放射科助理教授Synho Do领导的研究团队以模仿放射科医师分析图像的方式建成了该系统，包括调整对比度和亮度等以识别微妙差异，并通过滚动相邻的CT片确定出现在单个图像上的情况是否反映了真实病情或是否是无意义的伪像。

模型系统创建后，研究人员就在两组不同的CT扫描仪上进行测试：一组是系统开发之前的回顾性研究分析，包括100次有颅内出血的扫描和100次没有颅内出血的扫描；另一组是模型系统创建后进行的前瞻性研究分析，包括79次有颅内出血的扫描和117次没有颅内出血的扫描。

在回顾性分析组中，模型系统在检测和分类脑出血方面和放射科医生得出的结果一致，准确度一样。在前瞻性分析组中，模型系统比人类更精准。

为了记录该系统是如何达到这种精确度的，该团队进行了系统审查并保存了训练数据集中的图像，这些图像非常清楚地代表了5种出血亚型中每种亚型的经典特征。通过使用该图谱，系统能够显示与正在分析的CT扫描类似的一组图像，从而可解释其诊断结果。

图片来源：图虫创意

机器学习算法潜力巨大

“小数据”或“可解释”（explainable）这样的词来描述深度学习研究似乎有些自相矛盾。但该研究主要作者之一Hyunkwang Lee指出，“在医学上收集高质量的大数据尤其困难。要确保数据的一致性，需要多位专家来标记数据集，但这个过程耗时较长且非常昂贵。”

“一些评论家认为机器学习算法不能用于临床实践，因为算法不能为医生的治疗决策提供依据。这是必须克服的挑战，因为医疗行业对机器学习的使用可大幅提高医疗质量，改善医疗服务可及性。”麻省总医院放射科的Sehyo Yune补充道。

该研究的共同作者Michael Lev举例，脑出血的快速识别可为有急性卒中症状的患者提供及时和适当的治疗，预防或减轻严重的残疾甚至避免死亡，但许多医疗机构没有受过专门训练的神经放射学家来做出这种决策，尤其是在夜间或周末。“这时可能需要非此专业的医疗人员来做出诊断，该系统提供的‘虚拟第二意见’可以使这些医疗提供者更有效率和自信，并帮助确保患者得到正确的治疗。”

麻省总医院放射科的Shahein Tajmir则表示：“除了提供急需的‘虚拟第二意见’外，该系统还可以直接配置到CT扫描仪上，提醒医务人员患者出血情况，甚至在患者离开CT扫描仪之前引导医务人员对患者进行进一步检查。”麻省总医院下一步计划把这种系统运用到实际临床中，用更多案例去验证它的有效性。目前该院正在建立一个平台，计划在整个急诊科广泛应用此类工具。“一旦在临床中运用，我们就可以评估其对周转时间、临床准确性和诊断时间的影响。” Shahein Tajmir说。

原文标题：Artificial intelligence system learns to diagnose, classify intracranial hemorrhage

原文来源：麻省总医院官网