聯(lián)系電話: 010-8882344888
近日，浙大二院教授童璐莎、高峰團隊，聯(lián)合浙江大學(xué)生物儀器與工程學(xué)院教授趙立團隊，成功開發(fā)出一種用于區(qū)別急性自發(fā)性腦出血的可解釋性人工智能（AI）模型。
腦靜脈系統(tǒng)血栓繼發(fā)出血是由于腦部靜脈堵塞-靜脈壓力增高-靜脈破壞出血，
值得注意的是，這種類型的出血的治療方案與其他類型的腦出血截然相反，需要盡快抗凝或者手術(shù)消除靜脈內(nèi)血栓。若誤診或漏診將會導(dǎo)致不合理的治療，會危及患者生命。
靜脈造影、磁共振靜脈成像等，在基層醫(yī)院較難實行，或者因檢查復(fù)雜而耗時較長，大大增加病情延誤的風(fēng)險。
研究團隊整合國內(nèi)多家三甲醫(yī)院的頭顱CT數(shù)據(jù)，依托多學(xué)科技術(shù)力量，構(gòu)建了針對CVST-ICH的人工智能診斷模型。
影像，訓(xùn)練可解釋性深度學(xué)習(xí)算法，能夠快速、準(zhǔn)確地識別CVST-ICH，其診斷靈敏度高達96%
該模型還經(jīng)過三甲醫(yī)院醫(yī)生的實戰(zhàn)測試，并與來自放射科、神經(jīng)內(nèi)科、急診科的9位不同年資的醫(yī)生進行了診斷性能比較。
結(jié)果顯示，AI模型的表現(xiàn)顯著優(yōu)于醫(yī)生的平均水平，在AI模型的輔助下，醫(yī)生再次診斷的正確率提升約20%
研究團隊采用4種視覺化的AI可解釋性方法，揭示了血腫邊緣特征在模型決策中的關(guān)鍵作用
這有助于消除醫(yī)生對于AI輔助決策中“黑箱”性質(zhì)的疑慮，增強了實際臨床應(yīng)用中的信任度。
開發(fā)這一模型的初衷是為響應(yīng)浙江省醫(yī)療“共同富?！钡奶栒?，落實醫(yī)療資源均衡化戰(zhàn)略，使基層醫(yī)療機構(gòu)能通過最基本的檢查實現(xiàn)準(zhǔn)確的診斷。
為了讓該模型能夠更便捷地應(yīng)用于臨床，研究團隊決定放棄專利申請，將模型完全開源。
