研究人员开发了人工智能算法来识别大脑损伤

声称他们已经开发了一种()，可以检测和识别不同类型的脑损伤。 来自剑桥大学和伦敦帝国学院的研究小组已经在大量CT扫描上对AI进行了临床验证和测试，并发现它能够成功地检测、分割、量化和区分不同类型的脑损伤。

发表在《柳叶刀数字健康》(The Lancet Digital Health)杂志上的研究结果可用于大规模的研究，为头部损伤开发更个性化的治疗方法，并经进一步验证，可用于某些临床场景，如放射专业知识占优的场景。 “CT是一种非常重要的诊断工具，但它很少被定量使用，”英国剑桥大学教授大卫·梅农说。“通常情况下，CT扫描中的许多丰富信息都被遗漏了，作为研究人员，我们知道脑内病变的类型、体积和位置对患者的预后很重要，”梅农补充说。 研究人员希望设计和开发一种工具，能够自动识别和量化不同类型的脑损伤，以便我们可以在研究中使用它，并探索它在医院环境中的可能用途。 该团队开发了一种基于人工神经网络的机器学习工具。 他们对该工具进行了600多次不同CT扫描的训练，显示了不同大小和类型的脑损伤。 然后，他们在现有的大量CT扫描数据集上验证了该工具。 人工智能能够对每个图像的个别部分进行分类，并判断它是否正常。 这可能有助于未来的研究头部损伤如何进展，因为人工智能可能比人类更一致地检测细微的变化随着时间的推移。“这个工具将允许我们回答我们以前无法回答的研究问题。 研究人员Virginia Newcombe说：“我们希望在大型数据集上使用它来了解成像能告诉我们多少患者的预后。” 虽然研究人员目前计划只使用人工智能进行研究，但他们说，经过适当的验证，它也可以用于某些临床场景，例如在资源有限的地区，那里很少有放射科医生。 此外，研究人员说，它可能在急诊室有潜在的用途，帮助病人更快地回家。 在所有头部损伤的患者中，只有10%到15%的患者有CT扫描显示的病变。 作者写道，人工智能可以帮助识别这些需要进一步治疗的患者，因此那些没有脑损伤的患者可以被送回家，尽管该工具的任何临床使用都需要彻底验证。