伊利諾伊州奧克布魯克市-根據(jù)《放射學(xué)：人工智能》上發(fā)表的一項(xiàng)研究，由人工智能驅(qū)動(dòng)的系統(tǒng)通過(guò)大腦MRI自動(dòng)梳理異常，可以為最需要的人提供護(hù)理。
MRI產(chǎn)生大腦的詳細(xì)圖像，以幫助放射科醫(yī)生診斷各種疾病以及中風(fēng)或頭部受傷等事件所造成的損害。它的越來(lái)越多的使用導(dǎo)致圖像過(guò)載，這迫切需要改進(jìn)的放射學(xué)工作流程。自動(dòng)識(shí)別醫(yī)學(xué)圖像中的異常發(fā)現(xiàn)提供了一種潛在的解決方案，從而可以改善患者護(hù)理并加速患者出院。
研究共同負(fù)責(zé)人Romane Gauriau博士說(shuō)：“不僅在醫(yī)院而且對(duì)門(mén)診病人，MRI檢查的數(shù)量也在增加，因此確實(shí)需要改善放射學(xué)工作流程。”馬薩諸塞州總醫(yī)院和波士頓布萊根婦女醫(yī)院臨床數(shù)據(jù)科學(xué)中心的學(xué)習(xí)科學(xué)家。“這樣做的一種方法是使某些過(guò)程自動(dòng)化，并且還幫助放射線(xiàn)醫(yī)師對(duì)不同的檢查進(jìn)行優(yōu)先排序。”
Gauriau博士與合著者Bernardo C. Bizzo，MD，Ph.D.，及其同事一起，與巴西的醫(yī)療診斷公司Diagnosticos da America SA(DASA)合作，開(kāi)發(fā)了用于分類(lèi)的自動(dòng)化系統(tǒng)大腦MRI掃描為“可能正常”或“可能異常”。該方法依賴(lài)于卷積神經(jīng)網(wǎng)絡(luò)(CNN)，這是一種復(fù)雜的AI類(lèi)型，可以使模型直接從圖像中學(xué)習(xí)。
研究人員在三個(gè)大型數(shù)據(jù)集上對(duì)算法進(jìn)行了訓(xùn)練和驗(yàn)證，該數(shù)據(jù)集來(lái)自?xún)纱笾薏煌瑱C(jī)構(gòu)，共進(jìn)行了9,000多次檢查。
在初步測(cè)試中，該模型顯示出相對(duì)良好的性能，可以區(qū)分可能的正常檢查或可能的異常檢查。在與用于訓(xùn)練算法的數(shù)據(jù)不同的時(shí)間段，從不同的機(jī)構(gòu)獲得的驗(yàn)證數(shù)據(jù)集上的測(cè)試突出了模型的泛化能力。根據(jù)Gauriau博士的說(shuō)法，這種系統(tǒng)可用作分類(lèi)檢查工具，具有改善放射學(xué)工作流程的潛力。
她說(shuō)：“我們?cè)噲D解決的問(wèn)題非常非常復(fù)雜，因?yàn)镸RI異常種類(lèi)繁多。”“我們證明了這種模型很有希望開(kāi)始評(píng)估是否可以在臨床環(huán)境中使用。”
已經(jīng)顯示出類(lèi)似的模型可以大大縮短周轉(zhuǎn)時(shí)間，以識(shí)別頭部CT和胸部X射線(xiàn)的異常。通過(guò)識(shí)別偶然發(fā)現(xiàn)，新模型具有進(jìn)一步使門(mén)診護(hù)理受益的潛力。偶然發(fā)現(xiàn)是與醫(yī)師下令進(jìn)行檢查的原因無(wú)關(guān)的異常。
標(biāo)簽： AI
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！