首個(gè)基于深度學(xué)習(xí)的腦靜脈系統(tǒng)相關(guān)腦出血診斷研究獲突破

近日，浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院童璐莎、高峰教授團(tuán)隊(duì)，聯(lián)合浙江大學(xué)生物儀器與工程學(xué)院趙立教授團(tuán)隊(duì)，成功開發(fā)出一種用于區(qū)別急性自發(fā)性腦出血的可解釋性的人工智能模型，該模型針對(duì)急性腦葉出血發(fā)病兇險(xiǎn)，病因鑒別困難等問題，僅利用常規(guī)頭顱CT（非增強(qiáng)），從急診腦出血患者中精準(zhǔn)識(shí)別出腦靜脈系統(tǒng)血栓形成相關(guān)腦出血，其靈敏度達(dá)96%，相關(guān)成果發(fā)表于《柳葉刀》子刊《電子臨床醫(yī)學(xué)》。

基于3D U-Net的深度學(xué)習(xí)模型框架與流程。（浙大供圖）

腦靜脈系統(tǒng)血栓繼發(fā)出血是由于腦部靜脈堵塞-靜脈壓力增高-靜脈破壞出血，這類一發(fā)病就能看到明顯出血病灶的腦靜脈系統(tǒng)血栓患者，一個(gè)月內(nèi)死亡率高達(dá)50%，是一種特殊類型的自發(fā)性腦出血，具有發(fā)病罕見、病情重、死亡率高的特點(diǎn)，目前在我國尤其是基層醫(yī)院，正確診斷率低。關(guān)鍵是，這種類型的出血的治療方案與其他類型的腦出血截然相反，需要盡快抗凝或者手術(shù)消除靜脈內(nèi)血栓。若誤診或漏診將會(huì)導(dǎo)致不合理的治療，從而危及患者生命。

腦靜脈系統(tǒng)血栓的診斷方式常規(guī)包括CT顱內(nèi)靜脈造影、磁共振靜脈成像等，在基層醫(yī)院較難實(shí)行或因檢查復(fù)雜而耗時(shí)長，大大增加了延誤病情的風(fēng)險(xiǎn)。在此背景下，研究團(tuán)隊(duì)提出了一種僅基于急診的平掃CT進(jìn)行判別的人工智能（AI）輔助工具，旨在通過在所有醫(yī)院都能實(shí)現(xiàn)的急診首要檢查，輔助醫(yī)師快速、準(zhǔn)確地識(shí)別腦靜脈及靜脈竇血栓形成繼發(fā)出血，早期實(shí)施精準(zhǔn)治療，提高患者生存率。

為此，研究團(tuán)隊(duì)聯(lián)合浙江省其他地區(qū)醫(yī)院構(gòu)建數(shù)據(jù)集，采用遷移學(xué)習(xí)策略，利用患者入院頭顱CT平掃圖像，成功開發(fā)出一種融合血腫分割和分類的深度學(xué)習(xí)模型。該模型在內(nèi)部測試及外部驗(yàn)證中均展示出優(yōu)異且穩(wěn)定的性能，診斷靈敏度達(dá)到96%。

此外，模型還經(jīng)過了與三甲醫(yī)院醫(yī)生的實(shí)戰(zhàn)測試，與包括放射科、神經(jīng)內(nèi)科、急診科在內(nèi)的9位不同年資的醫(yī)生進(jìn)行了診斷性能比較。結(jié)果顯示，模型的表現(xiàn)顯著優(yōu)于醫(yī)生的平均水平，而在該AI模型的輔助下，醫(yī)生的再次診斷的正確率得到了約20%的顯著提升。

為進(jìn)一步增強(qiáng)模型可解釋性，研究團(tuán)隊(duì)采用4種視覺化的AI可解釋性方法，揭示了血腫邊緣特征在模型決策中的關(guān)鍵作用，這有助于緩解醫(yī)生對(duì)于AI輔助決策中“黑箱”性質(zhì)的疑慮，增強(qiáng)了實(shí)際臨床應(yīng)用中的信任度。

“我們的模型僅需要輸入CT平掃圖像，便能生成腦靜脈及靜脈竇血栓形成繼發(fā)出血和其他類型腦出血的診斷概率，我們開發(fā)這一模型的初衷就是為了響應(yīng)浙江省“醫(yī)療共同富裕”的號(hào)召，讓暫時(shí)缺乏充足醫(yī)療檢查工具、醫(yī)療人員的地區(qū)醫(yī)院也能通過最基本的檢查實(shí)現(xiàn)準(zhǔn)確的診斷，造福一方居民。” 童璐莎表示。

為了讓該模型能夠更便捷地應(yīng)用于臨床，研究團(tuán)隊(duì)決定放棄專利申請(qǐng)，將模型完全開源。趙立教授表示，把模型開源的決定，將更加有助于來自更多中心的數(shù)據(jù)檢驗(yàn)，也將進(jìn)一步提高該模型的準(zhǔn)確性。