近年来，随着科学技术的不断进步，人工智能已经成为社会发展的主流方向之一，被应用到日常生活的方方面面。人工智能+医学影像是将目前最先进的人工智能技术应用于医学影像诊断中，帮助医生诊断患者病情的人工智能具体应用场景，可以广泛用于各类病灶识别与标注，如乳腺癌、肺癌、宫颈癌等。

近日，华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同医院放射科，在放射学领域的国际顶级期刊《放射学》（Radiology）最新发表了一篇题为《基于深度学习的CT血管造影脑动脉瘤检测算法》（DeepLearning-BasedAlgorithmforDetectingCerebralAneurysmsonCTAngiographyImages）的论文。论文显示，AI算法检测动脉瘤灵敏度高达97.5%，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，同时有效缩短医生诊断时间。

脑动脉瘤是大脑中血管的弱化区域，位居脑血管疾病病因中的Top3位置，如果不加以治疗会存在渗漏或破裂风险，有时甚至会致命。动脉瘤破裂的风险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是指导治疗的关键。

CT血管造影成像（CTA）是目前评估颅内动脉瘤的主要影像学检查手段，但是由于脑动脉瘤体积小和颅内血管的复杂性，即使专业的放射学专家进行诊断也需要耗费很长的时间，一些小动脉瘤还可能被遗漏。深度学习的使用，将有助于医生更快更准确地诊断脑动脉瘤。

为了缩短诊断时间、提升诊断精度，华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同医院放射科运用一站式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。算法输出会给出动脉瘤存在概率、动脉瘤位置以及直径大小等信息，并在CTA原始图像上勾画出可疑的动脉瘤。

研究团队基于华为云一站式AI开发平台ModelArts训练模型，使用名患者的CT血管造影数据集测试，其中包括个动脉瘤。数据显示，该算法检测出了个脑动脉瘤中的个，灵敏度为97.5%。研究还发现了在最初的临床评估中被忽略的8个新动脉瘤。这8个动脉瘤有6个直径小于3mm，2个在3-5mm之间，说明算法对于微小动脉瘤也具有非常好的性能。

同时，在另外一个例的外部数据集验证结果显示，在有算法协助的情形下，放射科医生在诊断效率和诊断准确率方面的表现都有提升，特别是对那些经验较少的医生进步最明显。有AI辅助的情况下，放射科医生脑动脉瘤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。

医院放射科专家龙茜博士参与了该联合项目，深度学习算法在检测动脉瘤方面表现出了出色的性能。我们发现在最初的临床诊断报告中被忽略的极少数动脉瘤，被深度学习算法成功地识别出来了。

华为云联合华中大的此项研究成果，阐述了基于深度学习开发的完全自动化的、高度敏感的CT血管造影图像检测脑动脉瘤的算法。这是人工智能在医学影像领域的最新研究成果，也是利用人工智能技术诊断脑动脉瘤的重磅科研成果。