THealth 休斯顿的一项新研究表明，在常规临床护理中，需要注意的大小和位置的未破裂脑动脉瘤可能经常被遗漏，但机器学习算法可以最大限度地减少错过的护理机会。

该研究今天发表在《中风：血管和介入神经病学》杂志上，由 UTHealth 休斯顿麦戈文医学院神经病学系副教授、资深作者 Sunil A. Sheth 医学博士以及共同第一作者 Hyun Woo Kim 领导。医学博士，UTHealth 休斯顿血管和介入神经病学研究员，Anjan Nagesh Ballekere，MS，神经科研究协调员。

每年大约有 30,000 名生活在美国的人经历动脉瘤破裂。未破裂脑动脉瘤的估计患病率为 3.2%。目前，许多动脉瘤是在脑成像中偶然发现的，通常是出于不相关的原因进行的，并且获得准确的计数仍然具有挑战性。

“我们已经看到机器学习可以给患有急性中风的患者带来巨大的好处，”谢思说，他也是麦戈文医学院血管神经学项目的主任。“在这项研究中，我们看到了类似的可能性，可以大大改善我们识别、咨询和帮助脑动脉瘤患者的方式。”

该团队研究了一个前瞻性维护的注册表，其中包括八个经过认证的中风中心。他们确定了在 2021 年 3 月 14 日至 2021 年 11 月 31 日期间接受计算机断层扫描 (CT) 血管造影以评估可能中风的患者。一种名为 Viz Aneurysm 的机器学习算法分析成像，以识别大小至少 4 毫米的未破裂脑动脉瘤。