在診斷腦動脈瘤時，醫生很快就會從人工智能工具中獲得一些幫助-腦部血管中的凸起會滲漏或破裂，可能導致中風，腦部損傷或死亡。

由斯坦福大學研究人員開發的AI工具在6月7日于JAMA Network Open上發表的一篇論文中進行了詳細介紹，該工具突出顯示了可能包含動脈瘤的腦部掃描區域。

斯坦福大學統計專業研究生，論文的第一作者，作者艾里森·帕克（Allison Park）表示：“人們對機器學習在醫學領域中如何真正發揮作用感到非常擔憂。“這項研究是人類在人工智能工具的幫助下如何繼續參與診斷過程的一個例子。”

該工具基于稱為HeadXNet的算法構建，提高了臨床醫生正確識別動脈瘤的能力，其水平相當于在100次包含動脈瘤的掃描中又發現了六個動脈瘤。它還提高了口譯臨床醫生之間的共識。盡管HeadXNet在這些實驗中的成功是有希望的，但在機器學習，放射學和神經外科領域具有專業知識的研究人員團隊告誡，在給定的實時臨床部署之前，需要進一步研究以評估AI工具的通用性不同醫院中心在掃描儀硬件和成像協議方面的差異。研究人員計劃通過多中心協作解決此類問題。

梳理大腦掃描以發現動脈瘤的跡象可能意味著滾動瀏覽數百張圖像。動脈瘤的大小和形狀多種多樣，并且以難以捉摸的角度膨脹-有些像在電影般的連續圖像中只是一閃而過。

該論文的共同作者，放射學副教授克里斯汀·楊（Kristen Yeom）說：“尋找動脈瘤是放射學家最費力，最關鍵的任務之一。” “鑒于復雜的神經血管解剖結構固有的挑戰以及動脈瘤遺漏的潛在致命后果，這促使我將計算機科學和視覺技術的進步應用于神經影像學。”

Yeom將這個想法帶入了由斯坦福大學機器學習小組（Stanford‘s Machine Learning Group）運營的AI for Healthcare Bootcamp，該小組由計算機科學兼職教授，論文的共同資深作者Andrew Ng領導。面臨的主要挑戰是創建一種人工智能工具，該工具可以準確處理這些大堆3D圖像并補充臨床診斷實踐。