在醫學影像診斷領域，腦動脈瘤的檢測一直是一個挑戰。但最近，一項基於深度學習的模型開發成功，爲放射科醫生提供了強有力的輔助工具。這項技術不僅能提高腦動脈瘤的檢測率，還能顯著縮短影像解讀和後期處理的時間。研究人員表示，這樣的工具在提升臨牀工作流程和改善腦動脈瘤診斷方面具有巨大的潛力。

腦動脈瘤的及時和準確診斷對於啓動適當的管理策略、優化患者結果以及減輕這一病症對個人和醫療系統的影響至關重要。因此，高效診斷工具的開發顯得尤爲重要。

AI醫療 醫生 人工智能

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

研究人員在中國河北大學附屬醫院放射科的Jianing Wang博士的帶領下，對近4000名患者的數據進行了模型訓練，並在額外的484名患者中進行了測試。在分析過程中，研究團隊讓10名放射科醫生在有無該模型輔助的情況下，對每個病例進行了解讀，同時還有額外的評估來審查模型單獨的性能。

當放射科醫生使用這一工具時，解讀和後期處理時間分別減少了37.2%和90.8%。對於初級放射科醫生，模型的輔助將AUC（Area Under the Curve，曲線下面積）從0.842提高到0.881;對於高級放射科醫生，從0.853提高到0.895。在病變和患者層面的敏感性也因深度學習輔助而提高，患者層面的特異性也得到了改善。

考慮到顱內血管的複雜性，基於CTA（計算機斷層成像血管造影）的動脈瘤檢測是一項耗時且具有挑戰性的任務。此外，CTA檢查需求的增加可能導致放射科醫生疲勞，這連同影像解讀的主觀性，常常影響診斷的準確性。

研究團隊補充說，他們的工具提供了證據，支持基於深度學習的模型可以適應不同的檢查，因爲它們的模型在廣泛的檢查中都是準確的。這解決了深度學習工具普遍存在的泛化性問題。類似的模型對於那些在及時診斷至關重要的環境中經驗較少的讀者來說，可能特別有益。