突破经验依赖！深睿医疗多模态MRI科研实现AIS早期精准评估

近日，新疆医科大学第一附属医院王云玲教授团队联合深睿医疗，发布一项针对脑卒中临床诊断的创新研究成果被《Academic Radiology》收录。 该研究通过利用跨注意力视觉变换器（Cross-attention Vision Transformer, ViT）模型，结合多模态MRI数据，成功实现了对急性缺血性脑卒中（AIS）患者神经功能缺损的预测和严重程度评估，为临床治疗方案提供更客观的影像学与AI联合评估依据，填补了AIS早期功能损伤精准预测的技术空白。

急性缺血性脑卒中（AIS）是最常见的脑卒中类型，约占所有脑卒中患者的70%以上，患者的死亡率和致残率较高。临床上常使用美国国立卫生研究院脑卒中量表（NIHSS）进行急性脑卒中患者的临床神经功能缺损程度评测，但其具有一定的主观性和局限性，影响对脑卒中严重程度的精准判断。为了克服传统评分法的不足，研究人员结合多模态MRI影像数据和深度学习技术，提出了一种基于视觉变换器的深度学习模型，用于更加客观和精准地评估脑卒中患者的病情。

Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI

研究团队回顾性收集了一千余例急性缺血性脑卒中患者数据，并根据 NIHSS 评分将患者分为轻度（NIHSS<5）与中重度（NIHSS≥5）两组，构建了八种不同的对照模型，包括临床模型、基于放射组学的单序列 MRI 模型以及基于 Vision Transformer（ViT）的多模态深度学习模型，并探索了早期融合、后期融合、完全交叉融合和 DWI 主导交叉融合等多种融合策略。

在本研究中，深睿医疗与新疆医科大学第一附属医院联合开展工作，并提供了深度学习技术与算法支持。结果显示，使用 DWI 序列为主的交叉融合模型（Model 8）表现最佳，在多个评估指标上均取得了优异成绩。

研究框架图

该研究表明，基于ViT的深度学习模型能够在急性缺血性脑卒中的严重程度评估中提供强有力的支持。通过结合多种MRI序列，模型能够全面捕捉脑卒中的相关病变信息，预测AIS患者的NIHSS评分。研究还进一步展示了该模型在不同临床亚组中的优异表现，尤其是在BMI、糖尿病等因素的影响下，模型依然能够保持高效的预测能力。此外，该研究还利用Grad-CAM技术进行了深度学习模型的可解释性分析，成功可视化了与预测结果相关的关键脑区，为医生提供了更直观的病灶分析。这一成果不仅提升了模型的临床适用性，还为临床决策提供了更加精准的支持。

深睿医疗一直致力于为医生提供更精准的诊断依据，应用AI创新技术全面改善患者就诊体验。睿影颅脑MR AI医学辅助诊断系统，融合深度学习与多模态 MRI 分析技术，集成卒中、血管及脑小血管病分析，可自动完成颅脑病灶识别、卒中分析、血管重建及脑小血管病变智能量化。目前，该系统已在国内多家医疗机构应用，持续助力医生提升颅脑影像诊断效率与精准度，为临床与科研提供全维度支持。

深睿医疗不断拓展技术应用边界，构建睿影多模态脑卒中智慧解决方案，整合CT平扫、CT血管造影（CTA）、CT灌注成像（CTP）、磁共振成像（MR）及磁共振血管造影（MRA）等多模态影像数据，形成覆盖脑卒中全病种的综合诊疗支持体系，实现从颈动脉等脑血管病变早期检测到脑卒中全程诊疗的技术闭环，为临床提供更系统、更精准的智慧化辅助。

AI技术正在成为推动医疗质量进阶的核心力量，融入医学影像的临床实践与科研探索。深睿医疗多模态脑卒中智慧解决方案破解颅脑影像分析难题，用扎实的临床研究与落地成果证明 AI 的价值，在持续探索中开辟医疗智能化发展新路径。未来，深睿医疗将继续以技术创新为锚点，在守护患者健康、助力医疗科研突破、推动行业智能化升级的征程上稳步前行，为构建更高水平的医疗服务体系贡献深睿力量。