最近发表在《脑血管疾病》杂志上的一项研究表明，人工智能（AI）可能通过分析脑部扫描帮助医生检测一种常见但通常隐藏的中风原因。该技术可以使中风护理更快、更准确、更个性化。
研究的重点是心房颤动（AF）——一种不规则的心跳类型，可使中风风险增加五倍。由于AF可能最初没有症状，它往往直到中风发生后才被诊断出来。传统的检测方法，如长时间心脏监测，可能既昂贵又侵入性，并且耗时较长。
来自墨尔本脑中心和墨尔本大学的这项新研究采取了不同的方法。通过训练一个机器学习模型来分析已经发生中风的患者的MRI图像，研究团队教会算法识别与AF相关的模式。
研究人员发现，他们的AI模型在区分由AF引起的中风和由动脉阻塞引起的中风方面具有“合理的分类能力”。在测试中，该模型取得了良好的性能评分（AUC 0.81），表明AI可能成为帮助医生识别需要进一步心脏检查或治疗的患者的重要工具。
正如研究所指出的，“机器学习在临床决策中的应用越来越广泛，当应用于磁共振成像时，可以帮助检测未诊断的AF。”因为MRI已经是中风护理的一部分，这种方法不需要额外的扫描或程序——使其成为一种低成本、非侵入性的支持更精准护理的方法。
研究作者强调需要进行更大规模的后续研究，但前景是令人鼓舞的：早期检测AF可以导致更及时的治疗和更少的中风。
“早期检测心房颤动（AF）对于为患者提供预防严重心源性栓塞性中风的最佳机会至关重要。然而，许多患者首次出现急性缺血性中风时，其潜在的AF原因是无声的，因为它无症状且间歇性发作，”《脑血管疾病》杂志主编Craig Anderson说。
“Sharobeam等人提出了一种新颖的方法，使用基于AI的算法根据MRI上的脑缺血模式来诊断AF。”
(全文结束)
