他们的研究结果可以用于大规模的研究,为头部损伤开发更个性化的治疗方法,并通过进一步验证,可以用于某些临床场景,如那些需要放射专业知识的地方。
头部损伤是全世界一个巨大的公共卫生负担,每年影响多达6000万人。它是年轻人死亡的主要原因。当病人头部受伤时,他们通常会被送到医院CT扫描检查大脑内或周围的血液,并帮助确定是否需要手术。“CT是一种非常重要的诊断工具,但很少用于定量,”来自剑桥医学院的资深合著者大卫·梅农教授说。“CT扫描通常会遗漏很多丰富的信息,作为研究人员,我们知道大脑损伤的类型、体积和位置对患者的预后很重要。”
大脑内或周围不同类型的血液会导致不同的患者结果,放射科医生通常会进行评估,以确定最佳的治疗方案。同样来自剑桥医学院的共同第一作者弗吉尼亚·纽科姆博士说:“对CT扫描进行详细的评估需要几个小时,尤其是对伤势较重的患者。”“我们想设计和开发一种工具,可以自动识别和量化不同类型的脑损伤,这样我们就可以在研究中使用它,并探索它在医院环境中的可能用途。”
研究人员开发了一种机器学习工具基于人工神经网络.他们训练该工具进行600多个不同的CT扫描,显示不同大小和类型的大脑损伤。然后,他们在现有的大型CT扫描数据集上验证了该工具。
人工智能能够对每个图像的个别部分进行分类,并判断其是否正常。这可能对未来研究头部损伤的进展有帮助,因为人工智能可能比人类在检测随时间变化的细微变化方面更加一致。纽科姆说:“这个工具将使我们能够回答以前无法回答的研究问题。”“我们希望在大数据集上使用它,以了解成像能告诉我们多少关于患者预后的信息。”
Menon说:“我们希望它能帮助我们识别哪些病变变得更大、更严重,并了解它们为什么会恶化,这样我们就可以在未来为患者开发更个性化的治疗方法。”
虽然研究人员目前计划仅将人工智能用于研究,但他们表示,经过适当的验证,它也可以用于某些临床场景,比如在资源有限、放射科医生很少的地区。
此外,研究人员说,它可能在急诊室有潜在的用途,帮助病人更快地回家。在所有头部受伤的患者中,只有10 - 15%的患者在CT扫描中可以看到病变。人工智能可以帮助识别这些需要进一步治疗的患者,这样那些没有脑损伤的患者就可以被送回家,尽管该工具的任何临床使用都需要经过彻底验证。
自动分析大数据集的能力也将使研究人员能够解决以前难以回答的重要临床研究问题,包括预后相关特征的确定,这反过来可能有助于靶向治疗。
来源:剑桥大学