“人工智能＋醫(yī)學影像”，是將目前最先進的人工智能技術應用于醫(yī)學影像診斷中，幫助醫(yī)生診斷患者病情的人工智能具體應用場景，可以廣泛用于各類病灶識別與標注，如乳腺癌、肺癌、宮頸癌等。

日前，放射學領域的國際頂級期刊Radiology（《放射學》）最新發(fā)表了一篇題為《基于深度學習的CT血管造影腦動脈瘤檢測算法》（“Deep Learning－Based Algorithm for Detecting Cerebral Aneurysms on CT Angiography Images”）的論文。論文顯示，AI算法檢測動脈瘤靈敏度高達97．5％，幫助醫(yī)生臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點，同時有效縮短醫(yī)生診斷時間。

該文章由華為云EI創(chuàng)新孵化Lab聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科共同完成，闡述了基于深度學習開發(fā)的完全自動化的、高度敏感的CT血管造影圖像檢測腦動脈瘤的算法。這是人工智能在醫(yī)學影像領域的最新研究成果，也是利用人工智能技術診斷腦動脈瘤的重磅科研成果。

Radiology最新發(fā)布華為云、華中科技大學最新聯(lián)合醫(yī)療研究成果

腦動脈瘤是大腦中血管的弱化區(qū)域，如果不加以治療，它們可能會滲漏或破裂，有時甚至會致命。動脈瘤破裂的風險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導治療的關鍵。

CT血管造影成像（CTA）是目前評估顱內(nèi)動脈瘤的主要影像學檢查手段，但是由于腦動脈瘤體積小和顱內(nèi)血管的復雜性，即使專業(yè)的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。深度學習的使用，將有助于醫(yī)生更快更準確地診斷腦動脈瘤。

為了縮短診斷時間、提升診斷精度，華為云EI創(chuàng)新孵化Lab聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院（武漢協(xié)和醫(yī)院）放射科開發(fā)了一種深度學習算法，可以識別CT血管造影圖像檢測腦動脈瘤。

華為云聯(lián)合團隊使用500多名患者的CT血管造影，基于華為云一站式AI開發(fā)平臺ModelArts來訓練模型，然后用另外534張CT血管造影數(shù)據(jù)集測試，其中包括649個動脈瘤。

從數(shù)據(jù)來看，該算法檢測出了649個腦動脈瘤中的633個，靈敏度為97．5％。研究還發(fā)現(xiàn)了在最初的臨床評估中被忽略的8個新動脈瘤。

參與該聯(lián)合項目的武漢協(xié)和醫(yī)院放射科專家龍茜博士表示：“深度學習算法在檢測動脈瘤方面表現(xiàn)出了出色的性能。我們發(fā)現(xiàn)，在最初的臨床診斷報告中被忽略的極少數(shù)動脈瘤，被深度學習算法成功地識別出來了�！�

結果顯示，深度學習算法在腦動脈瘤的診斷中具有潛力，有望在臨床上作為第二意見的診斷工具。

AI有許多優(yōu)點，主要是因為其不受經(jīng)驗水平、工作時間和情緒等影響人類表現(xiàn)的因素的影響。對于三甲醫(yī)院來說，人工智能＋醫(yī)學影像的引入可以改善傳統(tǒng)高度依賴醫(yī)生人工讀片模式，在一定程度上緩解醫(yī)學影像診斷的壓力，同時亦可滿足三甲醫(yī)院的科研需求。

對于基層醫(yī)院來說，相比于三甲醫(yī)院，其對復雜影像的處理能力、判斷能力更為薄弱，因此誤診漏診率更高。人工智能通過把影像診斷結果進行前期的分析和處理，可以提高篩查數(shù)量，降低誤診漏診率，進而提高綜合醫(yī)療水平。

人工智能會替代放射科醫(yī)生嗎？對此，龍茜博士表示：“與華為云合作開發(fā)AI深度學習算法的目的是幫助放射科科醫(yī)生，而不是取代他們。未來需要進一步收集、分析、驗證更異構的高質(zhì)量數(shù)據(jù)，進一步驗證該算法，這是評估其推廣性和對日常臨床工作適用性的關鍵，需要AI算法專家、放射科專家等進一步通力合作。 ”