AI算法怎样对头部CT检查进行分类

根据发表的研究报告，人工智能（AI）算法可以对一系列急性神经事件（例如中风，出血或急性脑积水）进行头部CT检查，从而能够对需要放射科医生进行紧急检查的病例进行分类。

来自美国西奈山伊坎医学院的研究人员训练了一个3D卷积神经网络（CNN）来分析头部CT图像并确定，用于分类，如果它们包含急性神经系统疾病或非关键性发现。尽管不如放射科医师准确，但在模拟临床环境中发现该算法在提供关键发现的通知方面要快得多。在模拟放射科医师工作清单中对紧急病例进行优先排序也很有效。

加快诊断速度

深度学习项目是最初的研究，该研究启动了美国西奈山人工智能研究联盟（AISINAI），这是一组西奈山卫生系统的科学家，医生和研究人员，致力于开发医学AI，以改善患者护理并准确帮助医生据研究人员称，疾病的诊断。

美国山地伊坎医学院神经外科系讲师：“这是我的个人经验，神经外科医生，我的技术培训作为一个数学家和深入学习研究的完美结合，”。由于我在照顾患有急性神经系统疾病的患者方面的具体经验，我的动机是，任何减少我们接触它们的时间的方法可能会改善其结果。

美国有线电视新闻网接受了培训，将研究标记为关键性或非关键性;研究人员表示，根据临界发现概率，可以在放射科医生的工作队列中对这些考试进行排序。通过对算法的测试，他们确定可以构建一个分类系统，该系统在人类灵敏度水平上起作用，并且理论上可以在50％的关键病例中以21％的误报率警告医生。

性能更快

为了研究深度学习技术是否可以对研究进行有意义的分类，研究人员在模拟临床环境中进行了一项随机对照试验，以评估该方法作为报警机制以及分类系统。研究人员表示，该算法平均完成了1.2秒的图像预处理和推理，而放射科医师平均需要177秒来检查图像并提供关键发现的通知。

在为模拟临床环境中的病例生成工作队列时，研究人员还发现，AI算法对紧急病例进行分类的能力产生了可量化的好处。对于优先列表而言，紧急研究早于常规病例出现，队列位置的差异具有统计学意义（p=0.01）。

在未来，研究人员计划比较和研究弱监督和强监督分类器与放射成像的效果，以及探索结合两种方法的最佳方法。

该系统尚未在临床上使用，因为该小组主要关注理论和应用深度学习研究。但是，我们非常有兴趣找到改善患者护理的方法。我们的团队主要受到医生的影响，改善患者的治疗效果是我们最关心的问题。