用于在非增强脑CT上自动检测急性缺血性中风的深度学习算法

《Scientific Reports》：Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT

　　

摘要

本研究旨在评估基于深度学习的算法在非对比增强计算机断层扫描（NCCT）上检测急性缺血性中风（AIS，包括小范围梗死）的诊断性能。一项回顾性、多读者的关键性交叉随机研究共纳入了917例病例，以验证人工智能（AI）算法的诊断效果。NCCT图像由九名阅片者独立评估，这些阅片者被分为三组：三名非放射科医生、三名经过认证的放射科医生和三名神经放射科医生。评估过程中既使用了AI算法辅助，也未使用AI算法辅助。在独立分析中，AI模型的接收者操作特征曲线下面积（AUC）为0.8144，准确率为73.8%，敏感性为75.8%，特异性为72.6%。与仅使用人工阅片相比，AI辅助的脑部CT解读显示出更高的诊断准确性（75.63% vs 72.03%，提升幅度为3.60%，p < 0.001）。在三个阅片者组中，非放射科医生在AI辅助下的诊断准确性提升最为显著（75.35% vs 69.97%，提升幅度为5.38%，p < 0.001）。研究结果表明，AI辅助解读能够在不同梗死体积和阅片者专业水平的情况下提高NCCT上AIS的诊断性能。将其整合到临床工作流程中，有助于实现更及时、更准确的AIS诊断。