目前,影像AI已在医学影像领域疾病筛查、病灶勾画、脏器三维成像三类应用方向取得重大突破,并已覆盖乳腺癌、心血管、皮肤癌、肺结节等许多病种。诺贝尔物理学奖获得者乔治?斯穆特教授曾表示:“人工智能极大得改变了我们的生活,无论是罕见病的诊断,还是慢病的日常监测,人工智能在医学领域的发展不可限量。”

近期,美国梅奥诊所的一项研究显示,将人工智能技术用于心电图分析,能够准确筛查出早期无症状左心室功能障碍指标,准确性要优于其他常见的筛查手段。此外,发表在《柳叶刀》(The Lancet)杂志上的《Deep learning algorithms for detection of critical findings in head CT scans: a retrospective study》最新研究显示,人工智能深度学习算法能够准确识别头部CT(脑CT)扫描中9种不同程度的异常。

CT检查,是利用CT对颅脑进行检查的一种方法。在头部受外伤时,脑CT是最重要的影像学诊断方法。脑CT可明确显示颅内肿瘤的数目、部位、大小、轮廓、密度、瘤内出血、钙化以及扩散程度。通常情况下,急诊颅脑CT常见的疾病包括颅骨骨折、硬膜外血肿、硬膜下血肿、蛛网膜下腔出血、高血压性脑出血等多种类型。但是,急诊室医生面临的一个问题是如何通过脑CT扫描将病人头部创伤类型快速准确地按病情轻重缓急区分开。此外,脑CT对医生的专业素养要求较高,临床繁重的检查阅片等工作,医生也不乏因为图像繁多而导致视觉疲劳,或因为临床经验不足,发生漏诊、误诊等现象。

那么,如何才能更好地破解急诊室脑CT识别困境?由印度Qure.ai?公司、印度那格浦尔CTMRI中心、美国梅奥诊所放射科、印度新德里成像,神经科学和基因组学高级研究中心组成的研究小组,在2011年到2017年六月之间,进行了一场AI识别脑CT研究。在该项研究中,研究人员从印度20家医院门诊放射中心,收集了超过313000张匿名患者的脑CT扫描影像(排除了7岁以下患者的术后扫描)来训练其算法,并随机选择9000多名患者的21000个扫描样本验证算法。结果显示,算法能够准确识别脑CT扫描中9种不同的严重异常。

研究过程中,主要用于评估算法的是AUCROC曲线下方的面积大小)。包含21095次扫描数据的Qure25k数据集用于开发算法;包含第一批214次扫描和第二批277次扫描的CQ500数据集用于验证算法。最初的临床放射学报告和三位独立放射科医师的共识分别被认为是Qure25kCQ500数据集的标准。

结果显示,经过训练的深度学习算法能够识别各种颅内出血(即实质内、脑室内、硬膜下、硬膜下和蛛网膜下腔)、颅骨骨折、中线转移以及质量效应等CT异常,可以成为识别创伤环境中急性头部CT异常的有用辅助手段。

研究人员表示,这些结果需要尽快传达给医生。算法的AI自动化系统应用在偏远地区,可方便放射科医生工作使用。

人工智能技术已经应用于胸部X光、胸部CT、脑CT等多种成像结果异常的检测中。据了解,在脑CT检测领域,早已有诸多玩家入局。

总部设在以色列特拉维夫的医疗人工智能公司Aidoc,其基于AI的工作流程优化组合产品,可与放射科医师合作,用于标记脑部CT中的急性颅内出血(ICH)病例。

据了解,20188月,美国FDA批准了Aidoc其组合产品,这也是FDA批准的全球首个利用深度学习技术,协助放射科医生进行分诊工作的产品。

另外,总部位于旧金山的医疗保健公司?Viz.AI?20182月获得了FDA对其脑卒中护理应用的营销授权。该应用程序通过分析大脑的CT图像,并可以在发现可疑的大血管阻塞时向神经血管专家发送文本通知,同时安排供应商对图像进行标准审查。

那么,中国脑CT检测领域AI市场现状如何?作为最具成为全球医学AI中心的中国市场又蕴藏着哪些机遇?如何打造生态圈,用AI盘活赋能整个医学平台?

国家药监局医疗器械技术审评中心在《关于征求“人工智能医疗器械”生产企业信息的通知》中称,“近年来人工智能技术发展迅猛,与医疗器械结合的产品开始出现,为此我中心已着手开展相关研究。”既然审批部门还在研究中,说明相应的行业标准和产品标准还没有,这是产品审批的前提。漏诊常常会引发医疗纠纷,保证准确性、避免漏诊发生是第一考量。而降低漏诊率的基础是对足够多的医疗数据的深度学习。

?


上一篇:

下一篇:

人工智能识别9类急性脑CT异常,全球市场现状如何?

文章详情


来源:好医生医械世界
本网站由阿里云提供云计算及安全服务 Powered by CloudDream