大腦的力量:人工智慧如何避免發生腦損傷

作者 Jamie Beckett
大腦的力量:人工智慧如何避免發生腦損傷

新創公司將 CT 掃描作業進行自動化,以優先處理緊急情況。

發生中風或某些腦損傷情況而造成細胞缺氧時,發生腦損傷的速度達每分鐘兩百萬個細胞。

中風或腦損傷都會造成癱瘓、喪失記憶、言語困難,甚至是死亡等慘劇。但若未進行初步診斷,醫生也是束手無策;而就算要進行初步診斷,也得在完成檢測後盡快閱讀 CT 掃描影像。

NVIDIA Inception 新創公司加速器計畫成員之一的 Qure.ai,其共同創辦人 Prashant Warier 表示可惜通常情況並非如此。

「通常有著一整疊的病例等著放射科醫生處理。他們可能要先看三十個病例,而腦部出血的受傷患者又恰好是第31個,得等到醫師先忙完前面的病例才會輪到他。」他說。

Qure.ai 採用 GPU 加速深度學習技術,在十秒鐘內檢測頭部 CT 掃描影像裡的重大問題,企圖改變上述情況。Warier 說這有助於醫生快速按照嚴重程度排定病例的先後順序。

Searidge control windows 發生中風時腦細胞會因缺氧而死亡。Qure.ai 的自動化 CT 掃描技術有助於加快治療速度,減少腦損傷的程度。

利用科技讀取出血情況

 

Qure.ai 日前發表了自動 CT 掃描影像閱讀器,以辨識中風或創傷性腦損傷患者的腦部出血、頭部骨折和血塊等情況;還能區分五類出血情況、找出出血位置和判斷出血程度。

這些都是決定患者治療方式的重要因素,像是通常由血塊引發中風,標準治療方式是使用抗凝血劑。但要是出現腦部出血的情況,便可能有性命危險。

Qure.ai 的共同創辦人 Dr. Pooja Rao 表示,找出出血位置和出血量可以建立出其它治療方式。血液積在顱骨內,會對腦部施加額外的壓力而造成缺氧。醫生可以透過手術切除部分顱骨,以進行洩壓或止血。

醫師利用 Qure.ai 的自動掃描儀,便能快速優先處理重症患者,以保護珍貴的腦細胞。

Searidge control windowsQure.ai 的自動 CT 掃描儀找出大腦功能組織的出血情況。

媲美放射科醫生的準確性

Qure.ai 使用 NVIDIA TITAN X 與 GeForce GTX 1080 GPU,搭配 cuDNN 加速 Pytorch 深度學習框架,加上超過三十萬件頭部 CT 掃描影像和報告,來訓練其深度學習模型。在測試模型時的平均準確率達到 95% 以上,而三名資深放射科醫師的平均準確率為 97%。

這家成立兩年的新創公司在 Amazon Web Services 雲端環境使用我們的 Tesla GPU,部署該公司的模型,也就是一種稱為推論的過程。

Qure.ai 還在 NVIDIA GPU 的輔助下致力於胸部 X 光分析。此外,Warier 希望能更迅速對結核病進行診斷,以避免擴大蔓延和及時治療患者。若未加以治療,結核病便會奪走患者性命;世界衛生組織指出結核病是全球十大死因之一

Searidge control windows 放射科醫師看著創傷性腦損傷患者的 CT 掃描影像。在放射科醫師匱乏的地區,Qure.ai 的自動 CT 掃描儀對患者來說是一大利多。

放射科醫生人數短缺

Warier 表示 Qure.ai 的遠大目標是為放射科醫師短缺的地區,提供放射攝影影像解讀服務。他說像是在肯亞,每27.5萬人只有一名放射科醫生,在印度則是每6.5萬人才有一名放射科醫生。

就算在部分高度已開發國家也有著放射科醫師人數短缺的問題。英國皇家放射科醫學院指出,英國每十萬人只有7.5名放射科醫師,英國的國民保健署稱此情況為「絕望了」。

「我們希望使用人工智慧來降低放射攝影技術的成本,並且讓人更容易取得。」Warier 說。

Qure.ai 已在印度推展其 CT 掃描技術,部分放射中心在日常檢測作業裡加以運用。Qure.ai 正在美國的三處中心進行測試,同時申請 FDA 的批准,也打算在歐盟進行測試。

如需更多 Qure.ai 如何開發其掃描技術的資訊,請見相關報告《Development and Validation of Deep Learning Algorithms for Detection of Critical Findings in Head CT Scans》。

*本文主圖片顯示顱內出血的自動 CT 掃描影像。左邊是大腦功能組織裡的血液,右邊是通常由頭部受傷所引起的腦外出血情況,。圖片由 Qure.ai 提供。