AI算法檢測腦動脈瘤靈敏度高達97.5%，幫助醫(yī)生臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點，同時有效縮短醫(yī)生診斷時間。
Radiology最新發(fā)布華為云、華中科技大學最新聯(lián)合醫(yī)療研究成果
腦動脈瘤是大腦中血管的弱化區(qū)域，位居腦血管疾病病因中的Top3位置，存在滲漏或破裂風險，有時甚至會致命。動脈瘤破裂的風險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導治療的關鍵。
CT血管造影成像（CTA）是目前評估顱內動脈瘤的主要影像學檢查手段，但是由于腦動脈瘤體積小和顱內血管的復雜性，即使專業(yè)的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。
華為云EI創(chuàng)新孵化lab聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院（武漢協(xié)和醫(yī)院）放射科運用一站式AI開發(fā)平臺ModelArts開發(fā)了一套基于CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。
算法輸出會給出動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，并在CTA原始圖像上勾畫出可疑的動脈瘤。
華為云聯(lián)合團隊基于一站式AI開發(fā)平臺ModelArts訓練模型，并用534張CT血管造影數(shù)據集測試，其中包括649個動脈瘤。
從數(shù)據來看，該算法檢測出了649個腦動脈瘤中的633個，靈敏度達97.5%。研究還發(fā)現(xiàn)了在最初的臨床評估中被忽略的8個新動脈瘤，這8個動脈瘤有6個直徑小于3mm，2個在3-5mm之間，說明算法對于微小動脈瘤也具有非常好的性能。
參與該聯(lián)合項目的武漢協(xié)和醫(yī)院放射科專家龍茜博士表示：
“深度學習算法在檢測動脈瘤方面表現(xiàn)出了出色的性能。我們發(fā)現(xiàn)在最初的臨床診斷報告中被忽略的極少數(shù)動脈瘤，被深度學習算法成功地識別出來了。”
同時，在另外一個400例的外部數(shù)據集驗證結果顯示，在有算法協(xié)助的情形下，放射科醫(yī)生在診斷效率和診斷準確率方面的表現(xiàn)都有提升，特別是對那些經驗較少的醫(yī)生進步最明顯。
有AI輔助的情況下，放射科醫(yī)生腦動脈瘤臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點。
近年來，華為云EI創(chuàng)新孵化lab重點投入聚焦解決醫(yī)療領域的重大技術難題，相關論文被醫(yī)療MICCAI2019、MICCAI2020、Radiology等頂會頂刊收錄，在多個權威挑戰(zhàn)賽事上如LUNA-2016、HC-2018、ISLES-2018 等獲得業(yè)界領先水平，研究成果涉及宮頸癌篩查、腦中風分割、心室分割、平片診斷報告自動生成、新冠肺炎篩查、動脈瘤檢測等領域。
