急性主动脉夹层被称为“血管炸弹”，发病后每小时死亡率增加1%-2%，但传统CT影像诊断依赖医生经验，易漏诊误诊。如何让AI在医疗影像中“火眼金睛”？华中科技大学团队在《Engineering》发表的最新研究给出答案：一款名为DDAsys的双功能AI系统，不仅能以98.4%的准确率识别主动脉夹层，还能精确测量血管直径，推荐手术方案与医生决策一致性高达88.6%，为抢救生命赢得黄金时间。
血管里的“生死竞速”：AI如何破解诊断困局
主动脉夹层是血管内膜撕裂导致血液涌入血管壁的致命疾病，患者常因剧烈胸痛就诊。CT血管造影（CTA）是主要诊断手段，但影像判读如同在数千张切片中寻找“发丝般的裂缝”——论文数据显示，不同医生测量血管直径的偏差可达5.33毫米，足以影响手术方案选择。
研究团队耗时6年，收集武汉同济医院279名患者的61190张CTA影像，构建全球最大主动脉夹层专用数据集。这些影像标注了正常、I型、II型、III型四种分类，并包含钙化、伪影等六类干扰特征，相当于让AI在“找茬游戏”中学习如何排除干扰。团队开发的DDAsys系统采用双阶段深度学习模型：第一阶段锁定主动脉区域，第二阶段精准识别内膜撕裂（血管夹层的标志性特征），如同先用放大镜定位血管，再用显微镜观察裂缝。
实测数据逆天：弱对比影像也难逃AI“法眼”
在137例患者测试中，DDAsys展现出惊人性能：
识别准确率：患者层面F1分数达0.984，远超对比模型ResNet18（0.899）；
分类精度：对I型、II型、III型夹层的分类F1分数分别为0.956、0.857、0.960，尤其II型识别率较传统方法提升157%；
测量误差：升主动脉直径测量误差仅0.994毫米（相当于头发丝直径的1/10），降主动脉误差更低至0.767毫米。
更令人惊叹的是，系统能处理“地狱难度”影像——对比度微弱、内膜撕裂靠近血管边缘的切片（如图1）。对于这类易漏诊病例，DDAsys识别敏感度达29.9%，比传统Hessian矩阵算法提升近3倍。团队比喻：“这相当于在雾天开车，AI能透过雾气识别障碍物。”
从诊断到手术：AI成医生“超级助手”
DDAsys不仅止于诊断，还能根据血管病变类型和直径推荐手术方案。在65例实际手术案例中，系统推荐方案与医生决策一致性达88.6%，包括升主动脉置换、胸主动脉腔内修复（TEVAR）等术式选择。论文通讯作者魏翔教授解释：“系统测量了血管每个切片的直径，就像为患者定制‘血管地图’，帮助选择人工血管尺寸，缩短术中决策时间。”
不过技术仍有局限。对于极低对比度影像，系统识别敏感度不足40%；AI暂无法分析血管破口位置等重要细节。研究团队表示，下一步将融合血流动力学模拟，让AI预测夹层破裂风险，实现早期预警。
医疗AI新范式：从“辅助阅片”到“决策支持”
这项研究标志着医疗AI从单一图像识别迈向诊疗全流程支持。临床数据显示，使用DDAsys后，非心脏专科医生诊断效率提升50%，尤其适合基层医院和急诊场景。目前，团队正与多家三甲医院合作推进临床验证，未来或接入医疗影像云平台，实现“拍片即诊断”。
随着我国心血管疾病患者突破3.3亿，此类技术突破将缓解优质医疗资源分布不均的难题。正如论文所述：“当AI能看懂血管的‘语言’，更多生命将跑赢时间。”
主题测试文章，只做测试使用。发布者：参考消息网，转转请注明出处：https://www.cns1952.com/gov/12000.html
