2023年2月8-11日，一年一度的国际卒中大会（ISC2023）在美国达拉斯盛大开幕。为及时了解国际卒中领域学术前沿动态，提升我国卒中治疗水平，脑医汇-神介资讯延续打造《ISC2023进行时》栏目，每日精选数个主题，特邀刘建民教授携手中国卒中领域青年才俊组成解读团队（张颖影、袁正洲教授组稿；卢旺盛、温昌明、王浩教授及文婉玲、张小曦、陈成伟、顾思纯、张鹏医师撰稿），为您深度解读ISC2023最新动态和亮点。感谢加奇生物对本次栏目的支持！

人工智能目前正在渗透到各个行业，人工智能与卒中诊疗的关系越来越紧密，人工智能可以帮助医生实现卒中诊疗的更加精准、更快捷、更有效。目前人工智能在卒中诊疗中的应用涉及许多方面，其中包括卒中影像诊断、卒中病因分类、卒中治疗方案设计和卒中预后预测等。ISC2023设置了专门的人工智能专题，以下就对相关专题报告进行解读。

how to develop ML/AI system in stroke

AI目前作为一个新工具在卒中有广泛的前景，英国伦敦大学Ben Bray的报告重点是，如何开发应用于卒中的ML/AI系统。

开发过程分五大步骤：定义清晰的使用场景，收集数据，训练模型，评价模型准确性，获得批准及风险管理。目前从FDA的数据表明影像学应用是最广泛的，其次是心脏病学，神经病学和血液病学，临床药物等。同时FDA批准的AI影像类产品快速增长，至2022年年底达到209个，在前十个应用中有4个是神经影像学，包括脑解剖、脑出血、脑灌注和大血管闭塞。

从数据角度，有五大数据源，登记及生物银行、临床研究与前瞻性队列、健康管理系统、电子健康/影像记录和可穿戴设备产生数据，数据选择对最终模型有很大影响，其中临床专家的经验特别重要。从模型角度看可分为两大类，集合网络与神经网络，分类与预测可能性两大功能，模型研发过程需经过病例研究，内部与外部验证，而鲁棒性评价需经过多个阶段。

同时FDA对如何开发医疗方面的ML系统提出了十大原则，包括在整个产品生命周期中利用多学科专业知识、良好的软件工程和安全实践、训练数据代表发预期受众群体等。值得信赖的AI系统特征：安全、可解释、公平、隐私保护、可靠、负责与透明等。

where is AI/ML taking stroke diagnosis and care?

美国斯坦福大学Greg Zaharchuk的报告，重点阐述AI/ML应用于卒中诊疗中的哪些场景或哪些方面。首先介绍了人工智能的一些基本概念，之后描述目前的应用场景主要包括提高灌注MR的影像质量，脑自动分区与分析，减少CTP的辐射剂量。除了提高诊断效率之外，ML还有如下用处：影像模态的转化，如MRI到CT，合成MRA等；改进急性缺血性卒中的影像工作流，如在1167例CTA上验证LVO检测的效能，敏感性达81%，65%PPV，99%NPV；病灶的检测，如结合多种影像来准确判断缺血灶。

对于未来，基于弥散与灌注的不匹配，早期再灌注和病灶的增长的发现将具有价值，基于影像基础的卒中管理策略更加合理。预测脑组织的结局与预后，是人们一直想做的最有挑战性的任务；对核心梗死与半暗带的判断与结局预测，快速开通治疗、病灶位置、更早期发现与早期干预具有重要价值。

作者提出挑战来自多个方面：1、缺乏大型公开可用的卒中影像和临床数据集，卒中组需要向老年性痴呆研究人员学习公共数据共享，-NIH规则可能会有所帮助；2、场景上点到点的可变性，-潜在的偏差，-总体与检测的偏移；3、许多模型的可解释性差；4、算法质量的验证成本高，-大量的偏离边缘案例，-多中心研究，-FDA变得更加慎重。

最后作者小结，Al成像方法使我们能够做到：1、比以前更好，-这是全新的和有用的方法；2、通过算法找到最佳特征，最大限度地利用图像；3、加快MR卒中检查方案/减少CT剂量；4、尽可能快速地识别LVO，加快治疗时间；5、分割、诊断当前病变并预测未来功能预后结果；6、针对不同治疗的不同模型有助于个性化治疗。

Non-Imaging Applications of ML/Al in Acute Stroke: Triage and Risk Detection

美国Yale大学Ajay Malhotra教授对ML/Al在急性卒中中的非影像应用进行了简单回顾，主要是卒中的分诊和风险检测。

Use of machine learing and artificial intelligence in outcome prediction

对于目前人工智能技术在卒中的位置，美国Virginia大学的Ryan Kellogg教授提出，AI主要集中于影像诊断，并在管理策略与风险检测上取得一定进步，对预后的预测仍处于早期阶段。而预后的预测的价值体现在：为患者、家属提供咨询；消除不确定性；识别不良事件风险最高的患者；利用资源提供护理和健康指导。

SATIN研究是一项评估神经介入医师预测MT后临床结局能力的最新前瞻性研究，结果提示神经介入医师在预测患者90天预后方面表现不佳，这引发了关于是否应在被考虑预后不佳的急性大血管闭塞患者中继续MT治疗的伦理讨论。急性缺血性脑卒中（AIS）患者在机械取栓术（MT）后的临床结局存在高度变异性，很大一部分仍旧预后不良，而目前模型可解释性差，人工判断力不从心。

人们开始寻找ML模型，Zhelv Yao利用多个ML和现有的临床与影像特征，包括年龄、NIHSS、侧支状态和实验室指标（白球比、肾小球滤过率、中性粒细胞计数、CRP、血糖水平）通过SHAP框架搭建可解释的预测模型，AUC为0.87，这表明该模型可用于临床实践，以生成AIS患者MT治疗结果的实时、准确预测。

最后报告提出，卒中大大推动人工智能的发展；这将需要针对卒中诊疗场景开发更广泛的应用程序，此类工具的开发和验证需要进行高质量的研究，同时我们也认为对此类系统框架的信任将是未来要克服的一个主要困难。

述评：这些报告总结了机器学习和人工智能在卒中诊疗中的最新应用，包括如何开发ML系统、AI的应用场景研究、预测卒中预后以及提出未来发展展望等。随着人工智能技术的发展与卒中研究的深入，人工智能将有望帮助医生实现更精准、更快捷、更有效的卒中诊疗。我们相信这些研究将有助于我们凝聚方向，对未来困难有合理的判断，最终汇聚成果，用于优化卒中诊治，提高卒中的救治水平。

（END）

解读专家

卢旺盛

北京天坛普华医院

副主任医师，医学博士；

强联智创（北京）科技有限公司 首席医学专家；

北京理工大学生命学院生物医学工程硕士校外导师；

北京天坛普华医院神经外科 副主任医师。

领衔解读专家

刘建民

海军军医大学第一附属医院

主任医师，教授，博导。脑血管病中心主任，全军脑血管病研究所所长。

国家卫健委脑卒中防治工程专家委员会秘书长；国家卒中中心管理专家委员会副主任；中国卒中专科联盟副主席；国家“百万减残工程”南方办公室主任；中国医师协会介入医师分会副会长；中国医师协会神经外科医师分会常务委员；中华医学会神经外科分会常务委员；全军神经外科专业委员会副主任委员；世界神经介入大会（WLNC）执委；2011世界颅内支架大会（ICS）主席；2016/2021 WLNC主席；东亚神经介入大会（EACoN）主席；脑医汇-神介资讯主编。

点击或扫描上方二维码

进入刘建民 主任学术主页