日前，放射学领域的国际顶级期刊《Radiology》（《放射学》）发表了一项来自中国的“人工智能+医学影像”最新研究成果：运用AI帮助医生检测脑动脉瘤，灵敏度达到97.5%，AI协助放射科医生阅片，帮助医生临床诊断灵敏度提升约10个百分点，漏诊率降低5个百分点。
该论文描述了华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式AI开发平台ModelArts开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法，帮助医生更快速高效地诊断脑动脉瘤。
随后，《Radiology》发布报道介绍了该论文，报道全文翻译如下：
发表在《放射学》期刊上的一项研究显示，人工智能中的深度学习（Deep Learning）技术能够帮助医生通过CT血管造影检测出潜在的脑动脉瘤。
脑动脉瘤是大脑中血管的弱化区域。如果不加以治疗，它们可能会渗漏或破裂，有时甚至会致命。这些动脉瘤是否会破裂，何时破裂，取决于动脉瘤的大小、形状和位置。因此，脑动脉瘤的检测和特征提取至关重要。
目前，CT血管造影成像是评估脑动脉瘤的首选方法。CT造影本身准确度很高，但由于脑动脉瘤体积小，脑血管构造又极其复杂，初次评估造影时有可能出现漏网之鱼。
此项研究的主要贡献者，来自武汉协和医院放射科的龙茜博士说：“平时我们看CT报告时，总会遇到一些重要的病灶被人眼忽略的情况。而脑动脉瘤就隐藏在那些被忽略的小病灶中，没有办法在放射影像的常规评估中被发现。”
深度学习技术作为人眼的辅助工具，在精确诊断脑动脉瘤方面展现出了巨大的潜力。深度学习系统能够以现有的CT影像为数据集训练，从而学会识别人眼难以找到的微小病变。在放射学的其他方面，如胸部X光片的肺结核检测等，深度学习技术也大有作为。
在这项新研究中，龙茜博士和华为云、华中科技大学联合项目组同事开发了一种高度敏感且全自动的算法，用来检测CT血管造影图像中的脑动脉瘤。他们使用500多名患者的CT血管造影来训练深度学习算法模型，并且选取了另外534张CT血管造影进行测试。这批测试的造影中包含649个动脉瘤。
使用该模型，649个脑动脉瘤中的633个被成功检出，灵敏度为97.5%。除此之外，检测还发现了8个新的动脉瘤，都是最初的人工评估中被忽略的。
统计分析显示，深度学习模型协助放射科医生阅片，能够明显提升病灶的检出效率。对于经验较少的医生来说，这项技术更加成效卓著。
龙博士讲到，“这次开发的深度学习系统在检测动脉瘤方面表现出了出色的性能。我们发现有一些动脉瘤会在最初的诊断中被人眼忽略，但它们在深度学习系统的法眼下则无所遁形。”
结果显示，深度学习算法在脑动脉瘤的诊断中具有潜力，有望在临床上作为诊断的辅助意见。龙博士还告诉我们，在这种场景下，电脑能够不受经验水平、工作时间和情绪等影响人类表现的因素的影响。
当然，这个系统也有一些局限性。它可能识别不出非常小的动脉瘤或位于类似密度结构的动脉瘤，如骨骼。同样，它的判断也受到假阳性的影响，可能错误地将类似于动脉瘤的结构识别为动脉瘤，这时就需要医生把关，共同做出准确诊断。
龙博士还讲道：“深度学习系统的目的是帮助人类医疗工作者，而不是取代他们。”
接下来，该系统还需要进一步验证多种异构数据，例如来自不同国家和地区的CT造影数据，这是评估其推广性和对日常临床工作的适用性的关键。
龙博士说：“目前，这种深度学习系统的作用是为医生们提供建议，以提高他们的准确度和效率，减少误判。人眼诊断结合计算机系统协助检测，更大程度上提高了诊断的准确性，能够实实在在地惠及患者。”
