新颖的人工智能算法精确量化预示中风风险的血管周围空间

位于圣安东尼奥的德克萨斯大学健康科学中心开发的人工智能 (AI) 工具可在几秒钟内通过 MRI 扫描准确计数脑部病变。一旦适应临床，人工智能工具应该可以帮助神经放​​射科医生在早期阶段评估患者的脑部疾病。

健康科学中心格伦比格斯阿尔茨海默病和神经退行性疾病研究所的研究员 Mohamad Habes 博士表示：“如果没有人工智能，某些类型的脑部病变就很难量化。” 哈贝斯是放射学助理教授兼比格斯研究所神经影像核心主任。

在4 月 24 日发表在 JAMA Network Open上的一项 研究中，Habes 和来自八个机构的同事展示了人工智能工具在识别和计算扩大的血管周围空间 (ePVS) 方面的实用性。这些充满脑脊液的空间包围着动脉和静脉，是脑小血管疾病的标志，可导致中风和痴呆。该研究是对参加动脉粥样硬化多种族研究 (MESA) 的 1,026 名个体进行的跟踪分析。

哈贝斯说：“我们开发了一种创新的深度学习工具，可以精确量化大脑中每一个扩大的血管周围空间，并为我们提供患者小血管疾病的地图。”

承担艰巨的任务并使之成为可能

在这个工具出现之前，ePVS 被忽略了，因为在 MRI 扫描中很难对它们进行计数。

哈贝斯说：“平均而言，一个中年人在 MRI 上可能有 500 或 600 个这样的小空间。” “想象一下一位神经放射科医生将坐下来计算所有这些。这实际上不会发生。每次扫描他或她会花费一两个小时，甚至更多，而在繁忙的诊所的工作流程中，这么费力的工作是不可行的。”

该团队 在 3 月 7 日的《神经影像：报告》杂志上描述了 用于 ePVS 检测的自动化深度学习方法。 “我们已经训练了一种具有专业知识的算法，能够自行量化这些病变，”Habes 说。“这个工具可以识别它们，告诉我们它们的确切位置，对它们进行计数并告诉我们它们的数量。它告诉我们大量有关它们的信息，远远超过人类所能做到的。”

在 《医学会杂志》网络公开 报告中，哈贝斯和合著者研究了整个大脑扩大的血管周围空间。

“以前，人们无法进行全脑 ePVS 量化，”哈贝斯说。“我们现在可以使用先进的深度学习工具来做到这一点。在我们的研究中，我们意识到基底神经节和丘脑这两个区域的血管周围空间扩大是最显着的病变，因为它们与中风和小血管疾病标志物相关。”

哈贝斯说，基底神经节是对神经退行性疾病很重要的深部大脑区域，与运动和决策有关。丘脑是基底神经节附近的区域，与味觉和触觉等感觉功能有关。

研究人员希望，用于计算脑部病变的人工智能工具将在阿尔茨海默病研究中心(ADRC)进行进一步研究，该中心是国家老龄化研究所指定的卓越中心。南德克萨斯 ADRC 是德克萨斯州唯一的此类中心，是德克萨斯大学圣安东尼奥健康科学中心比格斯研究所与德克萨斯大学里奥格兰德河谷分校合作建立的。

哈贝斯说：“这对我们的 ADRC 来说是一个巨大的突破，我们的 ADRC 非常关注脑血管疾病及其对痴呆症的影响。” “这是我们 ADRC 的独特主题之一，我们认为我们新颖的人工智能方法可以使全国 ADRC 进行的大规模研究受益。”

哈贝斯说，该人工智能工具利用了圣安东尼奥大学健康科学中心 Genie 超级计算机的强大功能。