據英國劍橋大學官網14日消息，來自該校和帝國理工學院的科學家開發出一種新AI算法，并借助大量CT掃描數據對其進行臨床驗證和測試，結果表明其能成功檢測、分割、量化并區分不同類型腦部病變。新算法有望幫助研究人員為顱腦損傷開發出更多個性化療法;也可以用于某些臨床情況，例如在放射醫生很少的地區使用。

        腦損傷是巨大的全球公共衛生負擔，每年影響多達6000萬人，它是造成年輕人死亡的主要原因。頭部受傷的患者通常會通過電子計算機斷層掃描(CT)，檢查大腦中或周圍的血液，確定是否需要手術。

        論文合著者、劍橋大學醫學系戴維·梅農教授說：“CT是非常重要的診斷工具，但很少用于定量分析，此外，CT掃描中很多可用的信息往往被遺漏，而患者腦部病變的類型、大小和位置對患者的治療和后續健康狀況至關重要。大腦中或大腦周圍不同類型的血液可能會對患者產生不同影響，放射科醫生通常會進行估算，以確定最佳治療方案。”

        鑒于此，研究人員希望設計并開發出一種能自動識別并量化不同類型腦部病變的工具，以便在研究中使用它，并探索其在醫院環境中的可能用途。

        研究人員開發了基于人工神經網絡的機器學習工具，并在600多次不同的CT掃描中對其進行了訓練，向其顯示了不同大小和類型的腦部病變，然后借助現有大型CT掃描數據集對該工具進行了驗證。

        結果表明，這一AI算法能對每個圖像的各個部分進行分類，并判斷其是否正常，這對于研究頭部損傷的惡化情況可能很有用。梅農說：“希望它能幫我們確定哪些病變會進一步惡化，并了解它們為何會惡化，以便未來可以為患者開發出更具個性化的療法。”

        研究人員解釋稱，該AI算法也有望在急診室發揮作用。在所有頭部受傷患者中，只有10%至15%的病灶可以在CT掃描中看到，新AI工具可識別出需要進一步治療的患者。

        研究結果發表于最新一期《柳葉刀·數字健康》雜志，得到了歐盟、歐洲研究委員會及美國國立衛生研究院的資助。

《電鰻快報》