作者:张婉婉,董 晓,于尔澜,吉训明等,首都医科大学宣武医院神经内科
脑血管病(cerebrovasculardisease,CVD)是一组由颅内血管异常所引起的脑功能障碍性疾病,临床特点为发病急骤,迅速出现局限性或弥散性脑功能损害[1]。CVD的疾病谱包括缺血性卒中(ischemicstroke,IS)、
1 AI技术概述
1.1 AI的简介1956年,美国计算机领域科学家约翰·麦卡锡首次提出“人工智能”概念[5]。它的核心目标是通过机器模拟人类思维过程,处理视觉感知、语音识别和决策等复杂任务[6]。该技术包括机器学习(machinelearning,ML)、深度学习(deeplearning,DL)、计算机视觉和自然语言处理等子领域[7]。ML作为AI的基石,使计算机能够通过分析数据集自主学习和优化[8];而DL则通过构建多层人工神经网络来模拟大脑的学习机制,实现对复杂模式和特征的自动识别[9]。
1.2 AI在医疗领域的应用在临床实践中,医生常常面临分析大量医疗数据以制定精准治疗决策的挑战。由于疾病种类繁多,患者病情复杂多变,加之药物治疗反应的个体差异性,这些因素均对临床医生的决策能力提出了更高的要求[10]。因此,迫切需要引入先进的技术手段,以辅助临床医生快速且准确地制定诊疗决策,从而提升医疗服务的质量和效率。AI技术以其卓越的数据处理和学习能力,在医疗领域得到了广泛应用。例如,基于大量医疗数据的分析,AI技术能够辅助医疗人员制定临床诊断决策[11];通过构建患者“精准画像”,AI大模型能够实现个性化治疗方案的制定[12]。此外,AI技术还能加速药物筛选过程,提高药物研究开发的效率[13]。在影像学领域,AI技术同样发挥着重要作用,如图像的分割、重建、识别和分类等[14]。在恶性肿瘤的诊断、治疗及预后评估中,AI技术扮演着越来越重要的角色[15]。AI大模型还能够辅助流行病学的大数据分析及趋势预测[16]。综上所述,随着技术的持续进步,AI技术在医疗领域的应用前景日益广阔。未来,AI技术将在提升医疗服务质量、推动医疗行业数字化转型等方面发挥更加关键的作用。
2 AI在CVD诊疗中的应用
2.1 ISIS是CVD中最常见的类型,主要是在脑血管病变的基础上,引发局部脑组织的缺血和缺氧性坏死,进而迅速出现相应的神经功能缺损症状[17]。若IS患者在发病后未能得到及时和恰当的处理,将可能导致梗死体积的增加,从而加剧其不良预后[18]。因此,对IS患者的早期诊断和有效管理显得尤为关键,这不仅有助于降低患者的死亡风险,还能显著改善其预后。Jung等[19]通过对韩国国家健康保险服务数据库中754949例房颤患者的多维度特征(包括人口统计学、健康检查和病史信息等65项数据)进行逻辑回归(Logisticregression,LR)分析,筛选出48项与IS复发显著相关的信息特征,并基于注意力机制的深度神经网络开发了一种IS预测模型,研究结果表明,与房颤卒中风险评分和其他ML方法相比,该DL模型在预测卒中复发方面具有更高的准确性。Bacchi等[20]利用卷积神经网络(convolutionalneuralnetwork,CNN)和人工神经网络构建了一种静脉溶栓患者的功能结局预测模型,该模型在预测24h美国国立卫生研究院卒中量表评分方面的准确率达到了71%,而在预测90d改良Rankin量表评分方面则达到了74%。Stib等[21]采用CNN技术,基于多相计算机断层扫描
2.2 ICHICH是一种非外伤性脑出血,通常由高血压并发的微小血管病变引起[25]。在所有脑卒中病例中,ICH约占20%~30%,但其致死率高于IS[26]。目前,头颅NCCT是诊断ICH的首选方法,可清楚显示出血部位、出血量大小、血肿形态及是否破入脑室等信息。随着AI技术在医学影像领域的不断深入,其在ICH的诊断及血肿进展预测方面取得了显著进展。Wang等[27]利用2019年北美放射学会脑部CT出血挑战数据集,通过结合2DCNN模型与序列模型,开发了一种DL方法,模拟放射科医师的判读流程,实现了对急性ICH的精确检测与亚型分类。Dhar等[28]基于耶鲁纵向ICH研究(衍生队列)和ICH民族/种族差异(验证队列),构建了一种基于CNN的自动化成像流程,可在ICH患者的CT图像中自动且准确地分割出血区域和周围
2.3 IAIA是指颅内动脉管壁上的异常膨出,它是自发性
3 AI在脑血管领域的问题与展望
CVD是神经系统疾病中的高发类型。随着AI技术在医学领域的深入应用,ML、DL及大语言模型在CVD诊断与治疗中的作用日益显著,有助于提升识别精度,实现早期诊断,并制定科学、精准的治疗方案。然而,AI技术在医疗领域的应用亦遭遇诸多挑战:①数据隐私与安全:AI技术在医学领域的应用可能引发个人信息泄露等伦理与法律问题。未来研究需聚焦于医疗数据的收集、传输、存储、共享及使用过程中的隐私保护政策与技术。②AI模型的可解释性与可靠性:AI模型的可解释性受限于数据质量、算法复杂性、方法评估与选择等因素。未来研究应着力提升数据质量,发展高级可解释AI技术,简化复杂模型,构建全面评估框架,以提供高质量的AI方法选择,并研究适用于大型模型的可解释策略。③防止技术滥用:应警惕AI技术在医疗领域的不当应用,如过度依赖AI模型而忽略医疗人员的专业判断。同时,建立相应的监管机制,确保AI技术的应用符合伦理标准和医疗实践要求。综上所述,AI技术在CVD诊疗领域中所具有的革命性潜力,将显著优化CVD诊断与治疗流程。本文还系统评估了当前CVD领域内基于AI算法的模型,旨在推进CVD的早期预测、预防及个性化治疗策略,以实现早期诊断和及时治疗,减少治疗延误,从而改善CVD的临床预后。
参考文献略。
来源:张婉婉,董晓,于尔澜,等.人工智能在脑血管病诊疗中的应用[J].首都医科大学学报,2025,46(01):6-10.
(本网站所有内容,凡注明来源为“医脉通”,版权均归医脉通所有,未经授权,任何媒体、网站或个人不得转载,否则将追究法律责任,授权转载时须注明“来源:医脉通”。本网注明来源为其他媒体的内容为转载,转载仅作观点分享,版权归原作者所有,如有侵犯版权,请及时联系我们。)