在诊断脑动脉瘤时，医生很快就会从人工智能工具中获得一些帮助-脑部血管中的凸起会渗漏或破裂，可能导致中风，脑部损伤或死亡。
由斯坦福大学研究人员开发的AI工具在6月7日于JAMA Network Open上发表的一篇论文中进行了详细介绍，该工具突出显示了可能包含动脉瘤的脑部扫描区域。
斯坦福大学统计专业研究生，论文的第一作者，作者艾里森·帕克(Allison Park)表示：“人们对机器学习在医学领域中如何真正发挥作用感到非常担忧。“这项研究是人类在人工智能工具的帮助下如何继续参与诊断过程的一个例子。”
该工具基于称为HeadXNet的算法构建，提高了临床医生正确识别动脉瘤的能力，其水平相当于在100次包含动脉瘤的扫描中又发现了六个动脉瘤。它还提高了口译临床医生之间的共识。尽管HeadXNet在这些实验中的成功是有希望的，但在机器学习，放射学和神经外科领域具有专业知识的研究人员团队告诫，在给定的实时临床部署之前，需要进一步研究以评估AI工具的通用性不同医院中心在扫描仪硬件和成像协议方面的差异。研究人员计划通过多中心协作解决此类问题。
梳理大脑扫描以发现动脉瘤的迹象可能意味着滚动浏览数百张图像。动脉瘤的大小和形状多种多样，并且以难以捉摸的角度膨胀-有些像在电影般的连续图像中只是一闪而过。
该论文的共同作者，放射学副教授克里斯汀·杨(Kristen Yeom)说：“寻找动脉瘤是放射学家最费力，最关键的任务之一。” “鉴于复杂的神经血管解剖结构固有的挑战以及动脉瘤遗漏的潜在致命后果，这促使我将计算机科学和视觉技术的进步应用于神经影像学。”
Yeom将这个想法带入了由斯坦福大学机器学习小组(Stanford's Machine Learning Group)运营的AI for Healthcare Bootcamp，该小组由计算机科学兼职教授，论文的共同资深作者Andrew Ng领导。面临的主要挑战是创建一种人工智能工具，该工具可以准确处理这些大堆3D图像并补充临床诊断实践。