深度学习工具用于早期识别非创伤性内出血病因和基于计算机断层扫描 (CT) 扫描的临床诊断中的应用

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 急性非创伤性内出血 (ICH) 需要准确的病因学诊断才能有效治疗.
• 从非对比计算断层扫描 (NCCT) 扫描中确定ICH的原因至关重要,但具有挑战性.

研究的目的:

• 开发一种人工智能 (AI) 系统,从NCCT扫描中准确识别ICH病因.
• 评估人工智能系统在协助临床医生进行ICH诊断方面的好处.

主要方法:

• 一个深度学习模型在1,868次NCCT扫描中接受了训练,使用非创伤性ICH.
• 该模型在两个独立的数据集 (TT200和SD98) 上得到验证.
• 在一项模拟研究中,与人工智能系统辅助和没有人工智能系统辅助的临床医生的表现进行了比较.

主要成果:

• 人工智能系统实现了高诊断性能,动脉瘤的AUC高达0.986,高血压出血的AUC高达0.952.
• 特定的病因,如动脉瘤 (97.1%的灵敏度) 和动脉静脉形 (90.9%的灵敏度) 被识别得非常准确.
• 临床医生在使用人工智能系统时,在诊断灵敏度,特异性和准确性方面表现出显著的改善.

结论:

• 人工智能工具从NCCT扫描中准确地识别出出血病因.
• 该系统可以帮助临床医生进行早期诊断,分组和选择进一步的成像检查.