小血管病（SVD）是老年人中一种非常常见的神经系统疾病，它会减少血液流向大脑深层的白质连接处，破坏并最终导致脑细胞死亡。SVD 是中风和痴呆等疾病的最常见原因之一，随着年龄的增长，患 SVD 的风险也会越来越高，且高血压和糖尿病会使病情进一步恶化。
目前，医生诊断 SVD 的手段主要为使用 CT 图像或 MRI 图像，来寻找脑部白质的变化。然而，这两种诊断方式都存在着一定的局限性：医生通常很难确定 CT 图像中 SVD 的范围，因此无法估计疾病的严重程度；而 MRI 虽然可以更加精确地诊断 SVD，但是这种手段在老年患者中的应用受到了局限，因此目前应用程度并不是非常广泛。在这样的背景下，研究人员开发出一款可以识别 SVD 的 AI 软件，就显得尤为关键。
原始 CT 图像（左）、AI 识别的 SVD 区域（中）、专家医生识别的 SVD 区域（右）。我们可以看出，AI 和专家医生的识别结果基本一致（图片来源：《Radiology》）
为了测试 AI 软件识别 SVD 的精确度，研究人员使用了 2000 年至 2014 年间英国 70 家医院的 1082 例中风患者的 CT 图像数据来进行研究。AI 软件可以识别出 SVD 的特征，并对其严重程度进行衡量和评分。然后，研究人员将软件的评估结果与专家医生对同一组数据做出的评估进行了比较。结果显示，AI 软件与专家评估的结果一致性非常高。此外，研究人员对其中的 60 条数据进行了 MRI 诊断验证，而 AI 软件对这些样本中 SVD 严重程度的估计准确度达到了 85%。
“这是研究人员第一次利用机器学习的方法，来准确识别中风和记忆障碍患者 CT 图像中 SVD 的疾病特征，”论文的作者之一、帝国理工学院的临床讲师 Paul Bentley 博士表示：“我们的技术拥有很高的准确性，这将有助于在日常生活中为患者提供更好的治疗和护理服务。”
该论文的作者之一、帝国理工学院的临床讲师 Paul Bentley 博士（图片来源：帝国理工学院官网）
研究人员表示，这种技术可以帮助临床医生在紧急情况下，更快地为患者提供最佳治疗方案，同时可以预测患者的病情是否有发展为痴呆的可能性。这项技术为开展个性化医疗，奠定了坚实的基础。
我们希望，未来这项技术能够得到更加广泛的应用，从而造福更多患者。
参考资料：
[1] Artificial Intelligence Improves Stroke And Dementia Diagnosis In Most Common Brain Scan
[2] Rapid Automated Quantification of Cerebral Leukoaraiosis on CT Images: A Multicenter Validation Study
本文转载自：药明康德 AI
