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
|
8月前
|
机器学习/深度学习 人工智能 文字识别
UGPhysics:本科物理推理评估基准发布,助力AI+Physics交叉研究
近年来,人工智能快速发展,大语言模型(LLM)在数学、代码等领域展现出强大的推理和生成能力,正在被广泛应用于各种场景。
300 0
|
4月前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
888 1
|
4月前
|
人工智能 JSON 监控
三步构建AI评估体系:从解决“幻觉”到实现高效监控
AI时代,评估成关键技能。通过错误分析、归类量化与自动化监控,系统化改进AI应用,应对幻觉等问题。Anthropic与OpenAI均强调:评估是产品迭代的核心,数据驱动优于直觉,让AI真正服务于目标。
478 8
|
10月前
|
人工智能 自然语言处理 Rust
【内附榜单】评估AI大模型的代码修复能力!Multi-SWE-bench:字节开源代码修复能力评估基准,覆盖7大主流编程语言
Multi-SWE-bench是首个覆盖Python外7种主流编程语言的代码修复基准,包含1632个真实GitHub问题样本,通过严格筛选与人工验证确保数据质量。
1049 0
【内附榜单】评估AI大模型的代码修复能力!Multi-SWE-bench:字节开源代码修复能力评估基准,覆盖7大主流编程语言
|
人工智能 大数据 安全
拔俗AI临床大数据科研分析平台:用智能技术加速医学研究新突破
AI临床大数据科研平台基于云原生架构,融合医疗NLP、联邦学习与智能分析技术,破解非结构化数据处理难、多源数据融合难、统计周期长等痛点,实现数据治理、智能分析与安全协作全链路升级,赋能医学科研高效、安全、智能化发展。
228 0
|
7月前
|
人工智能 自然语言处理 数据可视化
AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
 AI-Compass LLM评估框架:CLiB中文大模型榜单、OpenCompass司南、RAGas、微软Presidio等构建多维度全覆盖评估生态系统
|
6月前
|
人工智能 JSON 监控
从零开始构建AI Agent评估体系:12种LangSmith评估方法详解
AI Agent的评估需覆盖其整个生命周期,从开发到部署,综合考量事实准确性、推理路径、工具选择、结构化输出、多轮对话及实时性能等维度。LangSmith作为主流评估平台,提供了一套全面的评估框架,支持12种评估技术,包括基于标准答案、程序性分析及观察性评估。这些技术可有效监控Agent各组件表现,确保其在真实场景中的稳定性和可靠性。
2937 0
从零开始构建AI Agent评估体系:12种LangSmith评估方法详解
|
7月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
7月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究
|
8月前
|
数据采集 人工智能 数据可视化
如何让AI写出高质量的数据分析报告?DataV-Note的评估体系揭秘
本文围绕DataV-Note智能分析创作平台的评估体系建设展开,旨在探索如何在AI技术快速发展的背景下,构建一套科学、可量化、多维度的数据分析报告评估体系。
431 10

热门文章

最新文章