中風作為全球致死致殘的首要病因，其早期精準診斷始終是臨床醫(yī)學的核心挑戰(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）技術深度融合，為中風影像分析帶來了革命性解決方案。該技術不僅顯著提升病灶定位精度，更能可視化神經(jīng)通路異常，為干細胞等靶向治療提供全新導航圖。

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，在時效性、結果復現(xiàn)性及復雜模式識別方面存在顯著局限。研究團隊創(chuàng)新性地構建了端到端分析框架，通過有效連接性模型解析腦區(qū)間定向作用機制，結合深度神經(jīng)網(wǎng)絡實現(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。

臨床驗證表現(xiàn)卓越
研究團隊在包含多中心、多模態(tài)的卒中患者數(shù)據(jù)庫中進行驗證，結果顯示：新模型在病灶識別準確率（提升23%）、預后預測靈敏度（提高18%）方面均達國際領先水平。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)絡受損節(jié)點，這對干細胞移植靶區(qū)選擇具有突破性意義。

重構精準醫(yī)療版圖
“這項技術真正架起了AI與臨床醫(yī)學的信任橋梁。”研究負責人表示，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測個體化康復軌跡。目前團隊已著手開展萬例級真實世界驗證，并積極探索其在神經(jīng)再生醫(yī)學中的轉(zhuǎn)化應用。

值得關注的是，該研究嚴格遵循《醫(yī)療AI倫理實施指南》，所有解釋性模塊均通過FDA認證的可解釋性標準測試。隨著技術迭代，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、細胞治療在內(nèi)的精準干預開辟全新路徑。

參考文獻：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