AI辅助医生检测脑动脉瘤 准确率提高10个百分点

近日，放射学领域的国际顶级期刊《Radiology》 (《放射学》)发表了来自中国的“人工智能医学影像学”最新研究成果：利用AI帮助医生检测脑动脉瘤，灵敏度达到97.5%。AI辅助放射科医生看片，帮助医生提高临床诊断灵敏度10个百分点左右，漏诊率降低5个百分点。

本文描述了华为云ei创新孵化实验室与华中科技大学电信学院、华中科技大学同济医学院协和医院放射科合作，利用华为云一站式AI开发平台ModelArts，开发了一套基于CTA图像的全自动、高灵敏度脑动脉瘤检测算法，帮助医生更快、更高效地诊断脑动脉瘤。

随后，《Radiology》发表了介绍该论文的报告，报告全文翻译如下：

发表在《放射学》杂志上的一项研究表明，人工智能中的深度学习技术可以帮助医生通过ct血管造影检测潜在的脑动脉瘤。

脑动脉瘤是大脑中血管的薄弱区域。如果不治疗，它们可能会泄漏或破裂，有时甚至是致命的。这些动脉瘤是否会破裂取决于动脉瘤的大小、形状和位置。因此，脑动脉瘤的检测和特征提取非常重要。

目前评价脑动脉瘤首选CT血管造影。CT血管造影的准确性很高，但由于脑动脉瘤体积小，脑血管结构极其复杂，有可能会错过CT血管造影的首次评价。

这项研究的主要贡献者，武汉协和医院放射科的龙千医生说：“当我们看CT报告时，我们总是会遇到一些被人眼忽略的重要病变。脑动脉瘤隐藏在那些被忽视的小病灶中，在常规的影像学评价中是没有办法发现的。”

深度学习技术作为人眼的辅助工具，在脑动脉瘤的准确诊断方面显示出巨大的潜力。深度学习系统可以用现有的CT图像作为数据集进行训练，从而学习识别人眼难以发现的微小病变。在放射学的其他方面，如胸部x光片上的肺结核检测，深度学习技术也有很大的潜力。

在这项新的研究中，华为云和华中科技大学的龙谦博士和同事共同开发了一种高灵敏度、全自动的算法，用于检测CT血管造影图像中的脑动脉瘤。他们使用了500多名患者的CT血管造影来训练深度学习算法模型，并选择了另外534名CT血管造影患者进行测试。在这批测试的血管造影中有649个动脉瘤。

使用该模型，649个脑动脉瘤中的633个被成功检测，灵敏度为97.5%。此外，发现了8个新的动脉瘤，这些动脉瘤在最初的手动评估中被忽略。

统计分析表明，深度学习模型有助于放射科医生阅读胶片，可以显著提高病变的检测效率。对于经验较少的医生来说，这项技术更有效。

龙博士说：“这次开发的深度学习系统在检测动脉瘤方面表现出了优异的性能。我们发现有些动脉瘤在最初的诊断中会被人眼忽略，但在深度学习系统中是看不见的。”

结果表明，深度学习算法在脑动脉瘤诊断中具有潜力，有望作为临床诊断的辅助意见。龙博士还告诉我们，在这种场景下，计算机可以不受影响人类表现的因素影响，比如体验水平、工作时间、情绪等。

当然，这个体系也有一定的局限性。它可能无法识别非常小的动脉瘤或位于类似密度结构(如骨骼)中的动脉瘤。同样，它的判断也受到假阳性的影响，可能会错误地将类似动脉瘤的结构识别为动脉瘤，因此需要医生共同检查，做出准确的诊断。

龙博士还说：“深度学习系统的目的是帮助人类医务工作者，而不是取代他们。”

接下来，系统需要进一步验证各种异构数据，如来自不同国家和地区的CT血管造影数据，这是评价其在日常临床工作中的普及性和适用性的关键。

龙博士说：“目前，这个深度学习系统的作用是为医生提供建议，从而提高他们的准确性和效率，减少误判。人眼诊断与计算机系统辅助检测相结合，在更大程度上提高了诊断的准确性，确实可以使患者受益。”