据英国剑桥大学官网14日消息，来自该校和帝国理工学院的科学家开发出一种新AI算法，并借助大量CT扫描数据对其进行临床验证和测试，结果表明其能成功检测、分割、量化并区分不同类型脑部病变。新算法有望帮助研究人员为颅脑损伤开发出更多个性化疗法;也可以用于某些临床情况，例如在放射医生很少的地区使用。

脑损伤是巨大的全球公共卫生负担，每年影响多达6000万人，它是造成年轻人死亡的主要原因。头部受伤的患者通常会通过电子计算机断层扫描(CT)，检查大脑中或周围的血液，确定是否需要手术。

论文合著者、剑桥大学医学系戴维·梅农教授说：“CT是非常重要的诊断工具，但很少用于定量分析，此外，CT扫描中很多可用的信息往往被遗漏，而患者脑部病变的类型、大小和位置对患者的治疗和后续健康状况至关重要。大脑中或大脑周围不同类型的血液可能会对患者产生不同影响，放射科医生通常会进行估算，以确定最佳治疗方案。”

鉴于此，研究人员希望设计并开发出一种能自动识别并量化不同类型脑部病变的工具，以便在研究中使用它，并探索其在医院环境中的可能用途。

研究人员开发了基于人工神经网络的机器学习工具，并在600多次不同的CT扫描中对其进行了训练，向其显示了不同大小和类型的脑部病变，然后借助现有大型CT扫描数据集对该工具进行了验证。

结果表明，这一AI算法能对每个图像的各个部分进行分类，并判断其是否正常，这对于研究头部损伤的恶化情况可能很有用。梅农说：“希望它能帮我们确定哪些病变会进一步恶化，并了解它们为何会恶化，以便未来可以为患者开发出更具个性化的疗法。”

研究人员解释称，该AI算法也有望在急诊室发挥作用。在所有头部受伤患者中，只有10%至15%的病灶可以在CT扫描中看到，新AI工具可识别出需要进一步治疗的患者。

研究结果发表于最新一期《柳叶刀·数字健康》杂志，得到了欧盟、欧洲研究委员会及美国国立卫生研究院的资助。