未来可期望人工智能在脑卒中领域大有作为卒中包括脑卒中和心脏卒中。从中医的说法来看，脑卒中就是脑中风，包括缺血性脑中风和出血性脑中风。出血性脑中风，简而言之就是脑出血。主要是因为高血压病或者是各种脑血管畸形所引起的非外伤性脑实质内出血。而缺血性脑中风主要是因为严重的动脉粥样硬化所导致的缺血性脑血管事件，主要包括脑梗死、脑血栓形成、脑栓塞以及腔隙性脑梗死，有的时候也包括短暂性脑缺血发作。而心脏卒中主要是冠状动脉粥样硬化性心脏病引起的心肌梗塞以及心肌缺血。卒中已经成为全球导致死亡的第二大原因，中国是全球卒中负担最重的国家之一，现有卒中患者万人，每年新发病例万人。医院收治的神经疾病患者中，卒中患者占比高达66.5%。卒中诊治的医疗服务负担重，需求量大，而卒中专业医师相对短缺。传统基于临床路径的医疗质量改进工具可改进卒中医疗质量和改善患者预后，但对临床医师专业知识和技能的要求较高。在临床研究方面，包括临床电子病历、检验信息、影像组学、蛋白组学和基因组学等卒中研究队列形成海量数据，对传统的统计分析带来巨大的。同时卒中新的治疗技术，如血管内治疗技术，对患者结局有显著的时间依赖性，患者可能越早获得干预，预后越好。如何快速评估潜在适宜干预的患者对临床决策和患者结局有重要影响，这是现实的需要。年中华医学会急诊医学分会卒中学组，中国卒中学会急救医学分会提出了《急性脑梗死溶栓治疗急诊绿色通道构建专家共识》。可见卒中的诊治在我国并不乐观。卒中影像评估，与时间赛跑目前公认卒中的黄金时间窗只有3-4.5小时，因此脑卒中的诊疗被称为和时间赛跑的工作，美国心脏协会/美国卒中协会指南倡导从急诊就诊到开始溶栓应争取在60分钟内完成，而影像评估在缺血性脑卒中整个临床路径中扮演着非常重要的角色，需要在20分钟之内完成全部的影像扫描及影像评估。当缺血性卒中急性发作时，影像检查尤其是多模态CT，对于缺血性脑卒中患者尤其是超时间窗患者的筛选起着非常重要的作用。作为和时间赛跑中的重要一环，影像检查的时效性是影像科医生面临的最重要的挑战。以多模态CT为例，病人到达影像科，首先进行CT平扫判断是否有出血，是否有早期梗死征象；对于超过3小时的缺血性脑卒中患者，需要进行CTA扫描评估责任血管及侧枝循环；而当时间窗超过6小时时，需要进行CTP检查评估梗死核心及缺血半暗带。无论是哪一种时间窗，无论进行了多少个检查项目，给影像科的时间仅有20分钟。同时，不同的发病时间窗及不同的影像结果决定了不同的治疗方案，可以说影像检查的每一步，不仅是对脑组织救治的争分夺秒，同时也对治疗方案的选择至关重要。影像科从影像检查到出报告很关键，特别是开展CTP和CTA检查的卒中影像单位，达到指南要求的20min（分钟）实质上非常不易。影像规范化流程来源：脑血管病影像规范化应用中国指南人工智能，曙光初现人工智能目前已经在出血性脑卒中、缺血性脑卒中、脑血管等方面对脑部影像产品予以赋能，其中：1）对于出血性脑卒中，可以做到对脑出血的血肿病灶进行自动检出，检出的同时对病灶进行影像学测量，以“像素级”的精度对病灶进行精准测量，检出病灶的同时对病灶进行性质分类，同时对相关伴随征象进行检出，并生成结构化报告。给予临床相应的提示，来指导临床进行治疗方案的选择。2）在缺血性脑卒中，急性期CT扫描方面，人工智能诊断系统给出预测的病灶位置，结合临床症状可以更好地帮助临床医生选择下一步的治疗方案。基于CTP中的CBV、CBF、TTP、MTT、Tmax序列以及MRI序列中PWI序列、SWI序列可以对缺血半暗带进行精准测量，实现缺血半暗带与核心梗死去量化分析，从而指导临床进行下一步治疗。3）在出血和梗死的病因方面，基于CTA的脑血管检测可以对于狭窄的血管以及动脉瘤进行检出，大幅缩短了医生的阅片时间并降低了漏诊的概率。国产AI，未来可期年是特别的一年，一场席卷全球的新冠病毒肺炎，让年充满了变数和。这场疫情我们的目光都集中在医护人员身上，尤其是武汉封城时期医疗资源不足成为焦点，如何快速解决新冠肺炎的筛查，如何通过肺CT高效快速地获得诊断，一段时间这个问题成为人工智能行业的共同思考。在新冠肺炎期间，多家公司积极努力，推出自己的人工医院辅助新冠肺炎的诊治，包括AI，阿里达摩院，数坤科技、联影智能、柏视医疗、深睿医疗、推想科技、依图医疗、普仁至和等的产品，它们主要集中于新冠肺炎问诊筛查和肺CT影像辅助诊断。对影像AI在新冠肺炎的应用，也促进了AI在卒中影像方面的发展。目前脑部影像AI关于出血性脑卒中方面的产品目前主要功能集中在出血体积测量、分类以及预后分析等方面。脑部影像AI产品研发的其他方向还包括头颈CTA血管重建以及病变分析。但目前应用的NCCT、CTP、CTA全流程影像评估和分析的脑卒中影像辅助诊断产品均由国外Rapid、MIStar等公司提供。不过这一境况即将被打破，国内已有医疗人工智能企业涉足。普仁至和、数坤科技等从临床需求出发，以人工智能技术为依托，深度挖掘影像数据，打造人工智能卒中影像平台。AI完成的Willis环VR体渲染图将AI应用于卒中诊疗的全流程。例如，一位脑卒中患者被收治之后，直接进入卒中绿色通道，实施影像诊断。在影像诊断中，AI基于CT图像，可以迅速判断出血或缺血，帮助医生制定相应治疗方案。对于缺血性卒中，AI还能快速确定责任血管、精准量化缺血半暗带和核心梗死区域，为后续治疗提供量化依据。相较于单纯人工，AI大幅提升了整个诊疗流程的效率，也保证了医疗的同质化。右侧大脑动脉闭塞病例，左侧为VR体渲染图，右侧为缺血半暗带/核心梗死区CTP量化评估，均为AI完成AI完成的探针X-section（上图）/拉直Lumen（下图）人工智能应用应以优质临床数据和影像组学为人工智能工具的重要基础，金标准的确定是影响人工智能算法性能的关键，努力提升人工智能算法的可解释性，最后落脚点是人工智能工具的临床价值验证。卒中领域的进展非常快，卒中的精准施治，卒中的诊断、评估、预测和治疗的个体化、精准化有赖于临床信息的精准化，其中影像数据至关重要，卒中影像组学尤为重要。对于病灶的形态学准确测量，如脑内血肿、脑缺血灶的体积测量，颅内动脉瘤、颅内动脉狭窄的直径、面积和体积测量如何能做到精准，以及脑水肿的定量化，这是重要的基础工作。在常规模式下靠手动测量，其结果必定是主观性太强，准确性相对较差。加上时间轴的4D影像技术也是一种相似的应用场景。机器学习还有一个优势是它可能通过学习高质量影像数据来修正低质量影像数据的结果，目前这方面在硬件厂家的算法中已有很多成果，这样硬件厂家可以在不增加硬件投资条件下达到更佳影像的结果。我们医生在判断复杂病变时，常依赖于不同影像之间的对比，比如动态DSA前后图像的比较，CT与MR图像的相互对比，不同MR序列的相互学习，这也是一种常见的场景。影像上存在一病多像和一像多病的问题，因此结合丰富的临床数据才有更广泛的应用价值。只有与临床结果结合起来的影像数据才是好数据，才能成为临床价值的验证点。基于循证医学的临床决策支持、卒中的风险及预后预测模型，如急性缺血性卒中的预后判断，动脉瘤破裂风险预测，这些均要基于完整的、连续的临床数据，才能产生重要的临床价值，真正应用于临床。不过我们必须清楚的认识，人工智能在卒中诊疗的研究和临床应用在优质和金标准的卒中临床数据集、结果的可解释性和临床价值验证方面，仍存在重大挑战，任重道远，正如高培毅教授所言：目前卒中影像方面AI主要是帮助医生自动快速的对脑血管、灌注图像进行重建和分析，加快医生工作速度，有助于辅助诊断，但目前仍然存在数据量不够及验证不足等问题。不过我们相信国产AI，未来可期。预览时标签不可点