基于InferScholarAI学者科研平台,年以来,推想医疗联合各大医疗机构已发表SCI文章约20篇。仅最近一个月,推想医疗与合作伙伴连续取得四项科研成果并发表于SCI期刊,研究内容涵盖神经,骨肌和儿科等领域,体现了推想在多病种领域的临床和技术积累。
出血性脑卒中:CTStroke定量分析提升临床诊断效能
医院与推想医疗的合作研究“Efficiencyofadeeplearning-basedartificialintelligencediagnosticsysteminspontaneousintracerebralhemorrhagevolumemeasurement”在8月发表于“BMCMedicalImaging”。
自发性脑出血(ICH)是全球高发病率和死亡率的主要原因之一,其发病第一个月的中位病死率约为40.4%,出血量是诊断后30天预后的重要预测指标,因此快速准确地测量ICH体积具有重要的临床价值。基于CT的平面测量(CTP)和ABC/2评分是临床常用的手动测量ICH体积的方法,但CTP非常耗时且ABC/2评分的准确性易受多种因素影响。
为提高定量ICH的效率,本研究借助推想医疗的脑卒中人工智能辅助诊断产品与科研平台,进行ICH脑出血量测量效率验证性研究。使用相关性和一致性分析来分析多种分割方法在脑出血量测量和处理时间长度上的差异。结果表明,基于深度学习的AI诊断系统可准确定量分析ICH体积,与CTP测量相比具有更高的精确性和更高的效率,并且比ABC/2评分更准确,可作为可靠工具帮助医生在临床上实现精确的脑出血定量分析,以进一步确定患者的临床干预措施。
此前,推想医疗已有多篇脑卒中相关的研究成果被核心期刊和顶级会议收录,为脑卒中AI产品在FDA的获批夯实了基础。
急性脑炎:多MRI影像序列融合模型提升临床决策能力
重庆医院与推想医疗的联合研究“DeepLearning-EnabledIdentificationofAutoimmuneEncephalitison3DMulti-SequenceMRI”在9月发表于“JournalofMagneticResonanceImaging”。
急性脑炎是临床常见的中枢神经系统急症之一,其发病原因较为复杂且病程较急,患者预后较差,需要准确及时的诊断和治疗。急性脑炎患者的鉴别诊断,特别是临床和影像特征十分相似的脑炎亚型:自身免疫性脑炎和病毒性脑炎患者,一直是临床诊断的痛点,因而快速准确的自动化识别对合理制定治疗方案、改善病人预后至关重要。
研究通过融合多个MRI影像序列中的双侧海马体影像特征,建立了五个基于单独或组合序列的深度学习模型。模型通过对海马体特征进行自动化学习,实现对自身免疫性脑炎、病毒性脑炎患者以及健康人群的分类预测。研究结果发现,在内部测试集中,融合模型的诊断性能明显优于单序列模型,在外部测试集中也表现出一贯的高性能;融合模型识别自身免疫性脑炎的准确率明显高于三名参与阅片的放射科医生的平均水平(83%vs.72%),可为早期发现急性脑炎和改进治疗方案提供参考。
DR骨折自动分类:适用更广泛人群的临床评估手段
重庆医院与推想医疗的联合研究“Adeep?learningmodelforidentifyingfreshvertebral