一项最近发表在《脑血管疾病》杂志上的研究表明，通过分析脑部扫描，人工智能（AI）可能帮助医生检测一种常见的但经常被忽视的中风原因。这项技术可以加快中风护理的速度，提高准确性，并使其更加个性化。
研究的重点是心房颤动（AF）——一种不规则的心跳类型，它使中风的风险增加五倍。由于AF可能最初没有症状，因此通常在中风已经发生后才被诊断出来。传统的检测方法，如长时间心脏监测，可能是昂贵、侵入性的并且耗时。
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识别来自已经中风患者的MRI图像中的模式，该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，该模型取得了较强的性能得分（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，可能有助于检测未诊断的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、非侵入性的方式来支持更精准的护理。
该研究的作者强调需要进行更大规模的后续研究，但其潜力是令人鼓舞的：早期检测AF可能导致更及时的治疗和减少中风的发生。
“早期检测心房颤动（AF）对于为患者提供最佳机会以预防严重的心源性栓塞性中风非常重要。然而，许多患者首次出现急性缺血性中风时，AF作为潜在原因往往是无声的，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)
