中風(fēng)作為全球致死致殘的首要病因，其早期精準(zhǔn)診斷始終是臨床醫(yī)學(xué)的核心挑戰(zhàn)。近日發(fā)表于《IEEE Access》的一項開創(chuàng)性研究，首次將有效連接性建模與可解釋人工智能（XAI）技術(shù)深度融合，為中風(fēng)影像分析帶來了革命性解決方案。該技術(shù)不僅顯著提升病灶定位精度，更能可視化神經(jīng)通路異常，為干細(xì)胞等靶向治療提供全新導(dǎo)航圖。

突破傳統(tǒng)診斷桎梏
傳統(tǒng)CT/MRI影像診斷高度依賴醫(yī)師經(jīng)驗(yàn)，在時效性、結(jié)果復(fù)現(xiàn)性及復(fù)雜模式識別方面存在顯著局限。研究團(tuán)隊創(chuàng)新性地構(gòu)建了端到端分析框架，通過有效連接性模型解析腦區(qū)間定向作用機(jī)制，結(jié)合深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多維度特征提取。特別引入的SHAP值解釋系統(tǒng)，使AI決策過程首次實(shí)現(xiàn)”透明化”診療——臨床醫(yī)師可直觀追蹤模型判斷依據(jù)，這在緊急救治場景中具有重大臨床價值。

臨床驗(yàn)證表現(xiàn)卓越
研究團(tuán)隊在包含多中心、多模態(tài)的卒中患者數(shù)據(jù)庫中進(jìn)行驗(yàn)證，結(jié)果顯示：新模型在病灶識別準(zhǔn)確率（提升23%）、預(yù)后預(yù)測靈敏度（提高18%）方面均達(dá)國際領(lǐng)先水平。通過動態(tài)可視化連接性中斷圖譜，臨床醫(yī)生可精確定位神經(jīng)功能網(wǎng)絡(luò)受損節(jié)點(diǎn)，這對干細(xì)胞移植靶區(qū)選擇具有突破性意義。

重構(gòu)精準(zhǔn)醫(yī)療版圖
“這項技術(shù)真正架起了AI與臨床醫(yī)學(xué)的信任橋梁?！毖芯控?fù)責(zé)人表示，系統(tǒng)不僅能區(qū)分皮層/皮層下卒中亞型，還可通過連接性特征預(yù)測個體化康復(fù)軌跡。目前團(tuán)隊已著手開展萬例級真實(shí)世界驗(yàn)證，并積極探索其在神經(jīng)再生醫(yī)學(xué)中的轉(zhuǎn)化應(yīng)用。

值得關(guān)注的是，該研究嚴(yán)格遵循《醫(yī)療AI倫理實(shí)施指南》，所有解釋性模塊均通過FDA認(rèn)證的可解釋性標(biāo)準(zhǔn)測試。隨著技術(shù)迭代，未來或?qū)⒅厮芗毙宰渲芯戎蔚摹秉S金時間”概念，為包括神經(jīng)調(diào)控、細(xì)胞治療在內(nèi)的精準(zhǔn)干預(yù)開辟全新路徑。

參考文獻(xiàn)：Wojciech Ciezobka et al, End-to-End Stroke Imaging Analysis Using Effective Connectivity and Interpretable Artificial Intelligence,?IEEE Access?(2025).?DOI: 10.1109/ACCESS.2025.3529179

編輯：王洪

排版：李麗