日前，放射學領域國際頂級期刊Radiology（《放射學》）發表了華為雲EI創新孵化lab、華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院放射科聯合團隊最新研究成果：
AI算法檢測腦動脈瘤靈敏度高達97.5%，幫助醫生臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點，同時有效縮短醫生診斷時間。
Radiology最新發布華為雲、華中科技大學最新聯合醫療研究成果
腦動脈瘤是大腦中血管的弱化區域，位居腦血管疾病病因中的Top3位置，存在滲漏或破裂風險，有時甚至會致命。動脈瘤破裂的風險取決於動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特徵提取是指導治療的關鍵。
CT血管造影成像（CTA）是目前評估顱內動脈瘤的主要影像學檢查手段，但是由於腦動脈瘤體積小和顱內血管的複雜性，即使專業的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。
華為雲EI創新孵化lab聯合華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院（武漢協和醫院）放射科運用一站式AI開發平臺ModelArts開發了一套基於CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。
算法輸出會給出動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，並在CTA原始圖像上勾畫出可疑的動脈瘤。
華為雲聯合團隊基於一站式AI開發平臺ModelArts訓練模型，並用534張CT血管造影數據集測試，其中包括649個動脈瘤。
從數據來看，該算法檢測出了649個腦動脈瘤中的633個，靈敏度達97.5%。研究還發現了在最初的臨床評估中被忽略的8個新動脈瘤，這8個動脈瘤有6個直徑小於3mm，2個在3-5mm之間，說明算法對於微小動脈瘤也具有非常好的性能。
參與該聯合項目的武漢協和醫院放射科專家龍茜博士表示：
「深度學習算法在檢測動脈瘤方面表現出了出色的性能。我們發現在最初的臨床診斷報告中被忽略的極少數動脈瘤，被深度學習算法成功地識別出來了。」
同時，在另外一個400例的外部數據集驗證結果顯示，在有算法協助的情形下，放射科醫生在診斷效率和診斷準確率方面的表現都有提升，特別是對那些經驗較少的醫生進步最明顯。
有AI輔助的情況下，放射科醫生腦動脈瘤臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點。
近年來，華為雲EI創新孵化lab重點投入聚焦解決醫療領域的重大技術難題，相關論文被醫療MICCAI2019、MICCAI2020、Radiology等頂會頂刊收錄，在多個權威挑戰賽事上如LUNA-2016、HC-2018、ISLES-2018 等獲得業界領先水平，研究成果涉及宮頸癌篩查、腦中風分割、心室分割、平片診斷報告自動生成、新冠肺炎篩查、動脈瘤檢測等領域。