在诊断脑动脉瘤时，医生很快会从人工智能工具中获得一些帮助——脑部血管中的肿块会渗漏或破裂，这可能导致中风、脑损伤或死亡。

斯坦福大学研究人员开发的AI工具在6月7日发表在JAMA Network Open上的一篇论文中进行了详细介绍，该论文强调了可能包含动脉瘤的大脑扫描区域。

斯坦福大学统计学专业的研究生、该论文的第一作者Allison Park说：“人们非常担心机器学习如何真正在医学领域发挥作用。”这项研究是人类如何在人工智能工具的帮助下继续参与诊断过程的一个例子。"

这个工具基于一种叫做HeadXNet的算法，它提高了临床医生正确识别动脉瘤的能力。它的水平相当于在包括动脉瘤在内的100次扫描中发现6个以上的动脉瘤。这也提高了口译临床医生的共识。尽管HeadXNet在这些实验中的成功大有可为，但拥有机器学习、放射学和神经外科领域专业知识的研究人员团队警告称，在给定实时临床部署之前，需要进一步研究评估AI工具的通用性，以及不同医院中心之间扫描仪硬件和成像协议的差异。研究人员计划通过多中心合作来解决这些问题。

结合大脑扫描寻找动脉瘤的迹象可能意味着滚动数百张图像。动脉瘤的大小和形状各不相同，并以难以捉摸的角度扩张——其中一些只是电影般连续图像中的一瞬间。

该论文的合著者、放射学副教授Kristen Yeom说：“寻找动脉瘤是放射科医生最艰巨、最关键的任务之一。”“鉴于复杂的神经血管解剖的内在挑战和动脉瘤遗漏的潜在致命后果，这促使我将计算机科学和视觉技术的进步应用于神经成像。”

Yeom将这一想法带到了由斯坦福大学机器学习小组运营的医疗保健人工智能训练营，该训练营由计算机科学副教授、论文的资深作者之一吴恩达领导。面临的主要挑战是创建一个人工智能工具，能够准确处理这些海量的3D图像，补充临床诊断实践。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：