[21NCN]楊弋:腦出血血腫擴大的影像學徵象及人工智慧識別

昨日，在中華醫學會第二十一次全國神經病學學術會議的「腦血管病專場5：出血性腦血管病及其他」分會場上，來自吉林大學第一醫院的楊弋教授針對腦出血血腫擴大的影像學徵象及人工智慧識別這一話題，進行了精彩的主題報告。

全球首場神經影像人機對決

在中國卒中學會第四屆學術年會暨天壇國際腦血管病會議2018（CSA&TISC2018）上，展開了全球首場神經影像人機對決大賽，這是一場人工智慧（AI） vs 人類醫生的「讀片大戰」。

AI是一個名叫「BioMind天醫智」的系統，號稱全球首款CT、MRI神經影像人工智慧輔助診斷產品。一共進行兩組比賽，A組比賽中有15名人類醫生，共225道試題；B組比賽由10名人類神經影像領域「大咖」和AI比賽，共同完成30道題的挑戰。

圖1 A組決賽

圖2 B組決賽

經過緊張激烈的角逐，在兩輪比賽中，BioMind分別以87%、83%的準確率，戰勝醫生戰隊66%、63%的準確率。相信很多在場的醫生對此印象非常深刻。通過這場比賽，可以說能夠喚起我們對人工智慧的關注，以及在醫學領域中的應用。

圖3 A組決賽結果

圖4 B組決賽結果

不過需要指出的是，這樣一個比賽並不能代表人工智慧能夠超越專家的臨床實際能力，只是在某幾類疾病的讀片中，人工智慧確實比人類智能更有優勢。歷史經驗表明，機器取代人類完成繁瑣的工作，讓人類騰出手去完成更精巧的工作。

人工智慧蓬勃發展、廣泛應用於各領域

人工智慧的進步已經滲透到我們生活中的方方面面，例如計算機視覺、語音識別、機器人等。

➤ 計算機視覺：應用於醫學圖像分析；無人駕駛；無人安防；人臉識別；

➤ 語音識別：應用於醫療聽寫；語音書寫；電話客服；

➤ 自然語言處理：應用於智能軟體；智能家居；諮詢顧問；

➤ 機器人：應用於醫療機器人；工業；安防；危險區域作業。

智能醫療為醫療健康行業的發展帶來新的變革。醫院中的臨床診療、電子病歷管理分析、基因組學、藥物發展、醫療機器人、移動醫療等很大程度上都依賴於計算機的發展。其中AI+醫學影像的智慧醫療未來在我們臨床工作中可能會扮演一定的角色，有助於提高臨床診療水平。在影像學識別方面，人工智慧可以說是走在最前面的。

➤ 2017年：斯坦福AI團隊開發皮膚癌輔助診斷方法；

➤ 2017年：人工智慧可精確診斷自閉症譜系障礙；

➤ 2017年：Google利用深度學習開發糖尿病視網膜病變的診斷算法；

➤ 在肺結節檢測方面，人工智慧也有一定的探索。

人工智慧簡介

目前在人工智慧領域出現了很多熱點名詞，人們應該有所了解，詳見下圖。

圖5 人工智慧相關熱點名詞

神經網絡主要包括三部分：輸入數據、結果輸出及多層神經網絡構建（「黑匣子效應」），通過不斷調整相連神經元之間的權重數值提取數據的模型，即找出數據內存在的一種套路。在多層神經網絡構建中有一種卷積神經網絡，它是神經網絡中對圖像進行判讀與分類識別的高效而穩定的一種網絡，擅長處理圖像特別是大圖像的機器學習問題。

圖6 計算機與人眼識別物體的過程

卷積神經網絡可以對圖像的特徵進行提取，通過分析特徵可以非常精準而高效的找出圖像特徵與圖像標籤之間的關係，從而完成對圖像進行識別或分類的效果，在大數據操作上與人類相比較，神經網絡可以保持持續的高精準。

計算機對於物體的識別與人眼識別是不一樣的，它是基於對像素的處理。在處理圖片或各種數據時，需要把數據轉化為計算機可以識別的數字，計算機看到的是圖片的每一個像素值。且人工智慧進行運算、學習，不同數據也是以各種數字的形式在進行運算。

圖7 計算機看到的是圖片的每一個像素值

上述知識是我們學習人工智慧在醫學領域中應用的一個前提。有了這些知識基礎儲備之後，我們再來看一下臨床工作中腦出血早期血腫擴大的識別。

腦出血血腫擴大概述

1. HE概念

腦出血血腫擴大（HE）是指腦出血急性期，由於活動性出血而使原有血腫體積不斷擴大的現象。HE表現為初始出血的擴展，包括侵入腦室、轉移或再出血到鄰近區域和腦實質出血量增加。

目前國際上對HE尚無統一的判定標準，近年來的研究最常用的標準為：血腫體積比基線CT血腫體積增加>33%或>12.5mL為血腫擴大。血腫擴大多發生在發病後3-6h，6h後相對較少，24h後罕見，部分患者發生時間不明。

血腫體積的簡易評估方法：ABC/2法

A=血腫最大層面長徑

B=血腫最大層面寬徑

C=血腫層面的厚度=層數*掃描間距

2. HE機制

1971年Fisher提出「雪崩」模型以闡釋血腫擴大的機制。他認為原始血腫牽拉臨近腦組織，對周圍血管產生繼發性剪切作用，引起周圍多個小血管破裂、血腫擴大。

支持「雪崩」模型的理論基礎：

a. CTA中的「點徵」提示活動性出血的存在

b. 同一血腫內「多點徵」表明多根血管同時破裂出血

c. 血腫形態不規則

d. APOEε2異常引起血管壁變薄及脆性增加易被牽拉破裂

e. 逐層CT掃描發現血腫擴大是以原始血腫為中心，不規則擴大的

3. HE與預後、死亡率

血腫擴大是早期神經功能惡化、預後不良功能轉歸的重要且獨立危險因素。一般情況下，早期血腫擴大提示預後不良，血腫擴大加重佔位效應，持續壓迫並損傷腦組織，導致腦水腫，繼而顱內壓升高，其不僅與死亡相關，也顯著降低患者恢復功能獨立的可能。

有研究表明，早期血腫擴大直接影響死亡率，血腫量每增加10%，病死率上升5%；血腫量每增加1ml，mRS評分（由獨立生活轉向無法自理的可能性）增加7%。

針對原發性腦損傷，早期啟動有效治療，限制血腫擴大對減輕原發性腦損傷有重要臨床意義。早期識別血腫擴大的高危患者，針對其進行有效的臨床幹預，對降低患者病死率、減輕神經功能損害至關重要。

腦出血血腫擴大影像學徵象

近年諸多研究表明，CTA及平掃CT中存在某些特異影像徵象可以預測腦出血血腫擴大，部分徵象被寫入腦出血管理指南。中國腦出血診治指南（2014）指出，腦出血後數小時內常出現血腫擴大，加重神經功能損傷，應密切監測（I級推薦，A級證據）。CTA和增強CT的「點樣徵」有助於預測血腫擴大風險，必要時可行有關評估（II級推薦，B級證據。）

總體而言，CTA/CTP的準確率高，但應用不普遍。平掃CT普遍應用，但準確率不高。

1. CTA/CTP

（1）點徵（spot sign）

2007年Wada等學者首次提出CTA點徵，後不斷發展為現在大多認同的概念：

①在顱內血腫的對比劑外滲處至少出現1個對比劑濃聚影

②周圍血腫與其密度相比，CT測量值至少大120HU

③血腫周圍存在相鄰的不連續走行的正常或異常血管

④點徵存在於顱內血腫範圍內

符合以上4點內容的即為點徵。

PREDICT研究顯示，CTA點徵預測血腫擴大的敏感性、特異性、陽性及陰性預測值分別為51%、85%、61%、78%。點徵是判定血腫擴大的重要因素，其原理是：造影劑外溢意味著破裂的血管壁未完全修復穩固，可能繼續出血。但在臨床實踐中，我們需警惕CTA假點狀徵，包括動脈瘤、微小動脈畸形、血管的鈣化的表現等。

（2）改良點徵

基於上述機制，提出很多改良的點徵，如延遲CTA點徵、靜脈期CTA點徵、動態CTA點徵、CT灌注（CTA）點徵。另外，通過初始與改良CTA點徵聯合進行預測可以獲得更高的敏感度和特異性。

CTP點徵能動態觀察同一層面不同時相的掃描圖像，更適用於觀察反映血腫內活動性出血。CTP點徵被證實是早期血腫擴大和不良預後的獨立預測因子。其敏感性為78%，高於CTA點徵。

（3）滲漏徵（leakage sign）

前面提到[點徵]預測血腫擴大的敏感性較低；為此，來自日本的學者Kimihiko於2016年提出一種新型的預測血腫擴大標誌物——[滲漏徵]。

患者需完成2次CTA掃描，分別為CTA期和延遲期（CTA期後5min），設定直徑為10mm的感興趣區（ROI），並計算其CT值，延遲期ROI內CT值較CTA期增加>10%的現象定義為滲漏徵。有研究結果顯示，在預測HE上，滲漏徵相比點徵具有更高的敏感性（93.3%）和特異性（88.9%）。

（4）CTA/CTP點徵的局限性

➤ CTA掃描需注射造影劑，耗時較長；

➤ 多數基層機構急診不具備該設備及技術；

➤ 大部分醫療中心未行急診CTA檢查，普通CT掃描常作為診斷腦出血的唯一影像學檢查；

➤ CTA點徵出現頻率及預測價值隨著症狀發作至CTA時間延長而下降，晚期（症狀發作至CTA時間>8h）較早期（0-2h）CTA點徵出現頻率下降2/3。

CTA/CTP點徵存在上述局限性，因此尋找平掃CT中預測早期血腫擴大的影像徵象意義重大。

2. CT平掃（NCCT）

通過以往研究已經總結出了一些可以用於預測血腫擴大的徵象，見下圖。

圖8 預測腦出血血腫擴大的CT平掃徵象

（1）血腫邊緣不規則和混合密度徵

2009年Barras等首次報導了CT平掃下的血腫形態與密度對於血腫擴大的影像學預測價值，按血腫的形狀及密度將其分為5型。

圖9 Barras等提出的血腫形狀（左）和密度（右）分級

圖10 5個等級血腫密度異質性（A）和血腫邊緣規則性（B）分級舉例

CT平掃下血腫形態規則、密度均勻，血腫不易擴大；反之血腫形態不規則和密度不均，常提示多支血管破裂滲血，出現活動性出血，容易出現血腫擴大。

（2）島徵

2017年，李琦等發現島徵，以描述血腫邊緣極度不規則的形態，將其定義為：①存在≥3個分散的小血腫，並且全部與主血腫分離；②存在≥4個小血腫，部分或全部與主血腫相連。

其形成原因可能是隨著血腫擴大，導致臨近小動脈損害，引起主血腫周圍的小島出現。研究顯示，CT平掃「島徵」預測血腫擴大的敏感性為44.7%，特異性為98.2%；陽性預測值為92.7%，陰性預測值為77.7%。CT平掃「島徵」是預測ICH患者早期血腫擴大的可靠指標，並高度提示患者預後不良。

利用人工智慧預測血腫擴大

除上述徵象外，還有一些漩渦徵、混雜徵、黑洞徵、血腫內低密度、液平等徵象，這些都可以用於臨床預測血腫擴大患者的識別。然而，反過來講，又有多少患者能夠出現這些特異性的影像學表現呢，所以這些方法的共性問題就是特異性非常強，但敏感性較差。

那麼是否有一種共性的方法可以同時識別所有的影像學特徵，如果能對上述特徵進行識別的話，將更有助於篩查血腫擴大患者。對圖像特徵進行區分，提取特徵分類圖片，這恰好是卷積神經網絡的強項。既然人工智慧對圖像識別有很好的特異性，我們能否基於人工智慧來預測血腫擴大，基於這樣的設想，我們進行了一個小樣本量研究。

結果發現，基於人工智慧方法對於出血擴大識別的敏感性和特異性遠遠高於人類基於某一個影像特徵的判斷標準。其敏感性達到90.3%，特異性達到100%。這項研究的樣本量較小，未來需要擴大樣本量進一步驗證該研究結果。

不過我們在回顧性的看所有患者影像學圖像時，發現計算機確實可以識別出正常工作中我們無法識別的血腫擴大的患者。換句話說，計算機可以看到我們人眼看不到的更多的特徵性的變化。所以，人工智慧在腦出血血腫擴大的識別上具有快速、準確和穩定的特點，未來對我們的臨床工作能提供一定的指導，但並不能代替我們臨床醫生的工作。

推薦閱讀↓↓↓

圖文｜血腫擴大怎預測，重要標誌物有這幾個

謝鵬：腦出血血腫擴大的影像學診斷進展

腦出血研究進展：這些徵象可以預測血腫擴大

腦出血早期血腫擴大——老問題，新解答

Stroke：國人提出的新徵象！腦血腫擴大預測看「島徵」

(本網站所有內容，凡註明來源為「醫脈通」，版權均歸醫脈通所有，未經授權，任何媒體、網站或個人不得轉載，否則將追究法律責任，授權轉載時須註明「來源：醫脈通」。本網註明來源為其他媒體的內容為轉載，轉載僅作觀點分享，版權歸原作者所有，如有侵犯版權，請及時聯繫我們。)