在传统医学影像中，一些直径不足1毫米的脑小血管往往难以被清晰呈现，这给脑小血管病、腔隙性脑梗死等疾病的早期诊断带来了挑战。随着人工智能技术的发展，这些长期难以识别的“隐形血管”，正在逐渐被看见。
近日，华中科技大学同济医学院附属同济医院放射科联合数坤科技等机构开展的一项研究表明，通过人工智能技术对头颈CT血管成像（CTA）参数进行系统优化，可以显著提升脑小血管的显示能力。相关研究成果已发表于国际放射学权威期刊《European Journal of Radiology》（EJR）。
《European Journal of Radiology》是欧洲三大放射学核心期刊之一，长期位列JCR核医学与医学影像学Q1区。本研究同时获得国家自然科学基金资助，在医学影像研究领域具有较高的学术价值和临床参考意义。
在这项研究中，研究团队共纳入556例患者CTA影像数据，并采用双盲随机阅片设计，由两名资深放射科医师与人工智能模型进行交叉验证。研究还联合CT设备厂商科研人员参与，共同推进影像参数优化研究。
豆纹动脉是大脑深部重要的供血动脉，其直径通常不足1毫米，却与脑小血管病、腔隙性脑梗死等多种脑血管疾病密切相关。然而，在传统CTA检查中，这类细小血管往往难以清晰呈现，给临床诊断带来一定挑战。
针对这一问题，研究团队提出“两步优化法”，通过系统性扫描参数优化显著提升CTA影像质量。研究结果显示，在优化方案下，CTA能够识别的豆纹动脉分支数量中位数由3条提升至6.5条，影像细节分辨能力明显增强，整体图像质量评分由3分提升至5分。
在这一研究过程中，数坤科技提供了关键的人工智能影像分析能力支持。依托其多模态医疗大模型技术框架，数坤AI能够对CTA影像数据进行自动化结构识别与量化分析，实现血管结构识别、CT值参数测量以及影像质量指标评估，使研究团队能够对大规模影像数据进行标准化分析，为CTA参数优化提供可靠的数据依据。
研究团队专家表示，人工智能技术不仅可以提升影像分析效率，也正在成为医学研究的重要工具，使医生能够从海量医学影像数据中发现传统方法难以识别的细微结构变化。
值得关注的是，本研究提出的参数优化方案具有较高的临床可推广性。在不增加扫描时间、不增加造影剂用量、也不增加患者费用的前提下，即可显著提升脑小血管的显示效果，为更多医疗机构开展相关检查提供了现实可行的技术路径。
业内专家认为，随着人工智能技术在医学领域的不断深入，医学影像正在从传统的“诊断工具”，逐渐发展为数据驱动医学研究的重要基础设施。
近年来，数坤科技持续推进多模态医疗大模型在真实医疗场景中的应用探索，通过融合医学影像数据、临床数据以及医学知识图谱，构建覆盖影像质控、诊断辅助与科研分析的AI能力体系。数坤坤多模态医疗健康大模型位列北京市行业大模型大赛医疗领域榜首，并在国内权威医疗大模型评测平台MedBench评测中取得综合排名第一。此次研究成果，也再次验证了多模态医疗大模型在临床科研场景中的应用潜力。
随着多模态医疗人工智能技术的持续发展，AI正在成为连接临床诊疗、医学研究与医疗数据的重要技术平台，为医学影像学和精准医学的发展提供新的动力。
来源：中国网，若涉及侵权，请立刻联系删除
