根據發表的研究報告，人工智能（AI）算法可以對一系列急性神經事件（例如中風，出血或急性腦積水）進行頭部CT檢查，從而能夠對需要放射科醫生進行緊急檢查的病例進行分類。

來自美國西奈山伊坎醫學院的研究人員訓練了一個3D卷積神經網絡（CNN）來分析頭部CT圖像并確定，用于分類，如果它們包含急性神經系統疾病或非關鍵性發現。盡管不如放射科醫師準確，但在模擬臨床環境中發現該算法在提供關鍵發現的通知方面要快得多。在模擬放射科醫師工作清單中對緊急病例進行優先排序也很有效。

加快診斷速度

深度學習項目是最初的研究，該研究啟動了美國西奈山人工智能研究聯盟（AISINAI），這是一組西奈山衛生系統的科學家，醫生和研究人員，致力于開發醫學AI，以改善患者護理并準確幫助醫生據研究人員稱，疾病的診斷。

美國山地伊坎醫學院神經外科系講師：“這是我的個人經驗，神經外科醫生，我的技術培訓作為一個數學家和深入學習研究的完美結合，”。由于我在照顧患有急性神經系統疾病的患者方面的具體經驗，我的動機是，任何減少我們接觸它們的時間的方法可能會改善其結果。

美國有線電視新聞網接受了培訓，將研究標記為關鍵性或非關鍵性;研究人員表示，根據臨界發現概率，可以在放射科醫生的工作隊列中對這些考試進行排序。通過對算法的測試，他們確定可以構建一個分類系統，該系統在人類靈敏度水平上起作用，并且理論上可以在50％的關鍵病例中以21％的誤報率警告醫生。

性能更快

為了研究深度學習技術是否可以對研究進行有意義的分類，研究人員在模擬臨床環境中進行了一項隨機對照試驗，以評估該方法作為報警機制以及分類系統。研究人員表示，該算法平均完成了1.2秒的圖像預處理和推理，而放射科醫師平均需要177秒來檢查圖像并提供關鍵發現的通知。

在為模擬臨床環境中的病例生成工作隊列時，研究人員還發現，AI算法對緊急病例進行分類的能力產生了可量化的好處。對于優先列表而言，緊急研究早于常規病例出現，隊列位置的差異具有統計學意義（p=0.01）。

在未來，研究人員計劃比較和研究弱監督和強監督分類器與放射成像的效果，以及探索結合兩種方法的最佳方法。

該系統尚未在臨床上使用，因為該小組主要關注理論和應用深度學習研究。但是，我們非常有興趣找到改善患者護理的方法。我們的團隊主要受到醫生的影響，改善患者的治療效果是我們最關心的問題。

責任編輯：ct