摘要
背景
脑出血(ICH)仍然与高死亡率和治疗差异性相关。当前工作流程依赖于分散的影像学解释和依赖操作者的手术规划。
方法
研究目标是开发并验证一种智能人工智能(AI)框架，该框架整合了自动影像分析、基于指南的推理和轨迹优化，用于脑出血(ICH)治疗。研究回顾性分析了50例自发性脑出血患者的连续CT和CTA数据集。该系统执行皮肤、颅骨、大脑、脑室和血肿的多类解剖分割，随后进行体积量化和基于JavaScript对象表示法(JSON)的影像生物标志物结构化编码。一个整合了国际脑出血指南的知识模块生成了风险分层和治疗建议。当需要进行血肿清除时，自动轨迹建模模块提出了特定于患者的微创手术通道。
结果
AI生成的治疗建议与专家治疗建议的总体一致性为82%(41/50例)，具有显著超出随机机会的一致性(Cohen's κ = 0.71)。差异主要出现在手术指征临界的情况中。在需要血肿清除的病例中，自动规划器在所有50例中都生成了可行的轨迹。AI生成的轨迹与专家定义的轨迹之间的中位角度偏差为7.6°，四分位距(IQR)为5.1-9.8°。在大多数情况下，AI生成的轨迹显示出与专家规划相等或更大的安全边界。端到端处理有潜力显著减少模拟决策支持时间，相比人工工作流程。
结论
所提出的智能AI框架为脑出血管理提供了结构化、可解释和工作流程集成的决策支持。该系统可能会减少操作者差异性，并提高微创血肿清除规划的精确度。
缩略语
AI：人工智能
CT：计算机断层扫描
CTA：CT血管造影
ICH：脑出血
IQR：四分位距
CI：置信区间
DICOM：医学数字成像和通信
EVD：外部脑室引流
HU：亨氏单位
JSON：JavaScript对象表示法
GCS：格拉斯哥昏迷评分
LLM：大型语言模型
MLS：中线移位
mRS：改良Rankin量表
NIHSS：美国国立卫生研究院卒中量表
nnU-Net：无新U-Net
PCA：主成分分析
SD：标准差
致谢
作者感谢Eugen Sodin、Arsenii Halaida和Oleksii Samoilenko在CT和CTA数据集的分割和数据提取方面的协助。我们还感谢Oleksii Kalmykov教授对手稿校对和语言编辑的支持。
资金支持
作者声明在准备本手稿期间未收到任何资金、资助或其他支持。
作者信息
作者及单位
- 乌克兰哈尔科夫国立医科大学神经病学和神经外科系（Vladyslav Kaliuzhka和Volodymyr Piatykop）
- 乌克兰哈尔科夫地区议会公共非商业企业"地区临床医院"神经外科（Vladyslav Kaliuzhka、Mykyta Markevych和Volodymyr Piatykop）
- 乌克兰哈尔科夫理工学院国立技术大学（Eugen Kochuiev和Zoia Kochuieva）
伦理声明
伦理批准
这项涉及人类参与者的回顾性研究符合机构和国家研究委员会的道德标准以及1964年《赫尔辛基宣言》及其后续修正案或相当的道德标准。该研究已获得哈尔科夫国立医科大学和哈尔科夫地区议会"地区临床医院"公共非商业企业机构伦理和生物伦理委员会的批准（编号63/1，日期2025年07月15日）。
参与同意
鉴于本研究的回顾性设计，哈尔科夫国立医科大学和哈尔科夫地区议会"地区临床医院"公共非商业企业机构伦理和生物伦理委员会免除了书面知情同意的要求。所有影像数据和患者个人信息在分析前均已匿名化。
出版同意
不适用，因为所有影像数据和临床参数均已完全去标识化，且手稿不包含任何可能识别患者的信息。
利益冲突
Vladyslav Kaliuzhka是eXtra Vision LLC的首席执行官和创始人，Mykyta Markevych是首席运营官和联合创始人，Eugen Kochuiev是首席技术官。这些角色是在研究进行期间担任的。该公司涉及与本研究主题相关的技术开发。其他所有作者声明不存在任何财务或非财务利益冲突。
【全文结束】