近日，同济医院放射科朱文珍教授团队在生物医学1区杂志《Theranostics》(2021IF:11.600)上报道了其构建的一种两阶段的深度学习模型，该模型通过将人工智能新技术与医学影响高度融合，可以对头颅CT平扫中不可见的早期急性缺血性脑卒中病变进行识别,有望向临床转化，辅助放射科医生诊断更为准确及时。

据了解，对于急性缺血性脑卒中患者而言，“时间就是大脑”，卒中治疗的效果会随着时间的推移显著降低。但是，头颅CT平扫作为2019年AHA/ASA强烈推荐的疑似急性缺血性脑卒中患者首选且必要的影像学检查，其在卒中发病24小时内很难显示出人眼可见的变化。因此，在明确卒中患者的治疗方案前做出准确及时的头颅CT平扫影像学诊断对放射科医生而言具有很大挑战。在朱文珍团队的研究中，两位放射科医生在模型的辅助下，诊断效能得到了明显的提升，诊断的准确率分别从62.00%和58.67%提升到了92.00%和84.67%。

同济医院朱文珍教授和张归玲博士为文章的共同通讯作者，课题组成员鲁君和周铱然为文章的并列第一作者。

参考文献：

LuJ,ZhouY,LvW,etal.Identificationofearlyinvisibleacuteischemicstrokeinnon-contrastcomputedtomographyusingtwo-stagedeep-learningmodel.Theranostics2022;12(12):5564-5573.doi:10.7150/thno.74125.