欢迎访问智慧医疗网 | 网站首页
 
当前位置:首页 > 信息 > 技术

浙大二院首创智能诊断工具,灵敏度达96%

发布时间:2025-04-02 来源:中国医院院长 浏览量: 字号:【加大】【减小】 手机上观看

打开手机扫描二维码
即可在手机端查看

近日,浙大二院教授童璐莎、高峰团队,联合浙江大学生物仪器与工程学院教授赵立团队,成功开发出一种用于区别急性自发性脑出血的可解释性人工智能(AI)模型。


该模型针对急性脑叶出血发病凶险、病因鉴别困难等问题,仅利用常规头颅CT(非增强),即可从急诊脑出血患者中精准识别出脑静脉系统血栓继发出血,灵敏度达96%。

相关成果发表于顶级医学期刊《柳叶刀》子刊《电子临床医学》。
脑静脉系统血栓继发出血是由于脑部静脉堵塞-静脉压力增高-静脉破坏出血,具有发病罕见、病情重、死亡率高的特点,一个月内死亡率高达50%
值得注意的是,这种类型的出血的治疗方案与其他类型的脑出血截然相反,需要尽快抗凝或者手术消除静脉内血栓。若误诊或漏诊将会导致不合理的治疗,会危及患者生命。
特别是,目前在我国尤其是基层医院,脑静脉系统血栓正确诊断率低。运用常规的诊断方式,比如CT颅静脉造影、磁共振静脉成像等,在基层医院较难实行,或者因检查复杂而耗时较长,大大增加病情延误的风险。
在此背景下,研究团队提出一种仅基于急诊的平扫CT进行判别的AI辅助工具旨在通过在所有医院都能实现的急诊首要检查,辅助医师快速、准确地识别脑静脉及静脉窦血栓形成继发出血,早期实施精准治疗,提高患者生存率。
研究团队整合国内多家三甲医院的头颅CT数据,依托多学科技术力量,构建了针对CVST-ICH的人工智能诊断模型。该模型基于非增强CT影像,训练可解释性深度学习算法,能够快速、准确地识别CVST-ICH,其诊断灵敏度高达96%
该模型还经过三甲医院医生的实战测试,并与来自放射科、神经内科、急诊科的9位不同年资的医生进行了诊断性能比较。结果显示,AI模型的表现显著优于医生的平均水平,在AI模型的辅助下,医生再次诊断的正确率提升约20%
为进一步增强模型可解释性,研究团队采用4种视觉化的AI可解释性方法,揭示了血肿边缘特征在模型决策中的关键作用这有助于消除医生对于AI辅助决策中“黑箱”性质的疑虑,增强了实际临床应用中的信任度。
童璐莎教授表示,开发这一模型的初衷是为响应浙江省医疗“共同富裕”的号召,落实医疗资源均衡化战略,使基层医疗机构能通过最基本的检查实现准确的诊断。
为了让该模型能够更便捷地应用于临床,研究团队决定放弃专利申请,将模型完全开源。



特别声明:智慧医疗网转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明智慧医疗网的内容为智慧医疗网原创,转载需获授权。


智慧医疗网 © 2022 版权所有   ICP备案号:沪ICP备17004559号-5