研究人员用 AI 评估小血管病变,可预测病人患中风和痴呆的概率

简介:
研究人员用 AI 评估小血管病变,可预测病人患中风和痴呆的概率

雷锋网消息 伦敦帝国理工学院和爱丁堡大学的科学家们发明了一款软件,它能够发现小血管病变,并判断病变的严重程度。小血管病变是导致中风和痴呆的最常见原因之一。这项研究是在查林十字医院进行的,结果发表在《放射学》杂志上。

研究人员称,这项技术可以帮助临床医生在紧急情况下更快地为病人实施最佳治疗,以及预测某人患痴呆症的概率。同时,它也有助于为更加个性化的医疗服务铺平道路。

论文的第一作者——伦敦帝国理工学院的临床讲师Paul Bentley博士介绍道:“这还是人工智能首次从脑卒中和记忆障碍患者的CT图像中准确测量出小血管病变的标志。我们的技术很稳定,而且比MRI精度更高,后者被认为是今天的黄金标准诊断技术。这有助于患者在日常生活中得到更好的治疗和护理。

爱丁堡大学神经影像科学主任Joanna Wardlaw教授补充说:“我们的目标是打造一款有助于挖掘大型常规扫描数据集的扫描阅读工具,并冀望它在经过更多测试后,能够在医院对中风患者进行辅助评估,现在我们刚刚迈出了第一步。”

小血管病变是老年群体中非常常见的一种神经疾病,它会导致流向脑白质连接区的血液减少,损伤并最终杀死脑细胞,引发中风、痴呆和情绪障碍。小血管病变会随着年龄的增长而加重,而高血压和糖尿病会加速这一进程。

目前,医生主要通过MRI或CT扫描寻找脑白质的变化来诊断小血管病变,这种方法依赖于医生测量扫描图来确定疾病的扩散程度。Paul Bentley博士介绍,在CT扫描图像中,很难确定小血管病变的边界,因此评估疾病的严重程度变得非常困难。

相比之下,MRI的测量精度更高,但由于设备稀少,且不适用与急诊场景和老年患者,这种方法并不是最常用的。

Paul Bentley博士补充道:“通过CT和MRI诊断小血管疾病是有效的,但医生很难通过肉眼判断疾病的严重程度。我们的新方法之所以重要,是因为它可以自动并精确地评估疾病的严重程度。这项方法可以广泛应用于诊断、痴呆患者监护,以及中风急救的紧急决策。”

Bentley博士解释说,这款软件可以在神经疾病的急救中帮助医生决策,促进更加个性化的医疗服务。举例来说,治疗中风患者时可以使用血栓溶解药物来疏通动脉。但这种治疗方法有可能导致出血,而且小血管病变越严重,出血的可能性就越大。未来这款软件可以用来评估病人出血的风险,以便医生根据病人的实际情况及其他因素,决定是否采用血栓溶解药物治疗。

他还建议,这款软件可以用于量化病人因小血管病变缓慢发展而患上痴呆和瘫痪的可能性。这有助于提醒医生们注意潜在的可逆的致病因素,比如高血压和糖尿病。

这项研究用到了2000年至2014年间,英国70家医院里进行的1082次脑卒中患者CT扫描的历史数据,其中包括第三次国际中风试验的病例数据。软件识别并测量小血管病变的标志后会给出一个数据,表示疾病的严重程度,从轻微到严重分为几个不同等级。与此同时,专家医生也对这些扫描结果进行了评估。研究人员将软件和专家医生评估的结果对照后发现,二者一样准确。

此外,有60例患者在同一个项目中同时进行了MRI和CT扫描,并用MRI评估了小血管病变的确切数量。结果表明,这款软件预测小血管病变的准确率达到了85%。

目前,该研究小组正在使用类似方法通过脑部CT来评估脑萎缩等其他疾病。


原文发布时间为:2018-05-18

本文作者:刘伟

本文来自云栖社区合作伙伴“雷锋网”,了解相关信息可以关注“雷锋网”。

相关文章
|
22小时前
|
机器学习/深度学习 编解码 人工智能
麻省理工AI新研究可将马赛克变视频
【2月更文挑战第30天】麻省理工学院等机构的研究团队推出AI新技术FeatUp,可将低分辨率图像提升为高清视频,该技术在2024年ICLR会议上引起关注。FeatUp基于深度特征提取,通过多视角一致性损失恢复空间信息,提高视频清晰度。模型通用性强,适用于多种任务和现有应用。实验显示,它在图像超分辨率和端到端学习模型性能提升上超越其他方法。然而,尚存在对某些内容处理不完善和计算资源需求高的局限性。
61 2
麻省理工AI新研究可将马赛克变视频
|
22小时前
|
机器学习/深度学习 人工智能 算法
AI在椭圆曲线研究中发现“鸟群”现象
【2月更文挑战第24天】AI在椭圆曲线研究中发现“鸟群”现象
23 2
AI在椭圆曲线研究中发现“鸟群”现象
|
22小时前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能发音评估(Artificial Intelligence Pronunciation Scoring, AI-PS)
人工智能发音评估(Artificial Intelligence Pronunciation Scoring, AI-PS)
121 2
|
7月前
|
人工智能 物联网
AI 绘画Stable Diffusion 研究(十七)SD lora 详解(上)
AI 绘画Stable Diffusion 研究(十七)SD lora 详解(上)
891 0
|
22小时前
|
存储 人工智能 JSON
【AI大模型应用开发】【RAG优化 / 前沿】0. 综述:盘点当前传统RAG流程中存在的问题及优化方法、研究前沿
【AI大模型应用开发】【RAG优化 / 前沿】0. 综述:盘点当前传统RAG流程中存在的问题及优化方法、研究前沿
65 0
|
22小时前
|
存储 人工智能 自然语言处理
【AI大模型应用开发】【RAG评估】2. 实战:LangChain x RAGAs x LangSmith联合评估RAG应用,兼看如何借助LangSmith有效学习LangChain
【AI大模型应用开发】【RAG评估】2. 实战:LangChain x RAGAs x LangSmith联合评估RAG应用,兼看如何借助LangSmith有效学习LangChain
62 0
|
22小时前
|
人工智能 Python
【AI大模型应用开发】【RAG评估】1. 通俗易懂:深度理解RAGAS评估方法的原理与应用
【AI大模型应用开发】【RAG评估】1. 通俗易懂:深度理解RAGAS评估方法的原理与应用
80 0
|
22小时前
|
人工智能 开发框架 数据可视化
【AI大模型应用开发】【RAG评估】0. 综述:一文了解RAG评估方法、工具与指标
【AI大模型应用开发】【RAG评估】0. 综述:一文了解RAG评估方法、工具与指标
95 0
|
22小时前
|
人工智能 监控 数据处理
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】1. 快速上手数据集与测试评估过程
40 0
|
22小时前
|
机器学习/深度学习 人工智能 算法
AI日报:人工智能使用和评估的关键任务
AI日报:人工智能使用和评估的关键任务
24 0

热门文章

最新文章