李锐 阎世鑫 靳松

颅内动脉瘤具有较高的发病率，成年人中占1%～6%[1]，约85%的非外伤性蛛网膜下腔出血由动脉瘤破裂引起，其破裂的年发生率为0.26%～1.9%[2]。颅内动脉瘤首次出血的病死率高达23%～51%，即使是血管内治疗和外科治疗后也有3%～10%出现卒中或死亡，且手术不能完全消除破裂倾向[3]。因此，颅内未破裂动脉瘤早期检出及评估破裂风险尤其重要。目前诊断和评估颅内动脉瘤常用的检测手段包括 CT 血管成像（CT angiography，CTA）、MR 血管成像（MR angiography，MRA）及数字减影血管造影（DSA），其中DSA 是诊断金标准。由于动脉瘤的大小不一、位置多发及形态多样，且放射学检查数量不断增加，即使是有经验的影像医师在诊断时也可能出现潜在的漏诊和误诊风险。因此，快速识别动脉瘤、精准诊断动脉瘤以及预测动脉瘤破裂风险成为了临床关注的热点问题。

AI 能够快速识别和处理海量的高维度数据信息，有助于提高医师的工作效率、降低医师的工作强度和出现漏诊及误诊的发生率，同时可以预测动脉瘤的破裂风险及治疗效果，本文就AI 技术在颅内动脉瘤诊断和预测方面的应用进行综述。

1 AI 技术概述

人工智能（artificial intelligence，AI）是模拟人类智能的计算机算法，包括模拟学习能力、推理能力和自我校正[3]。近年来，AI 与医学影像相结合，以海量的数据为载体，使得AI 进入快速发展阶段。机器学习（machine learning，ML）是一种实现 AI 的方法，通过学习和训练模型来提取和记忆相关特征及参数。从学习方法上来看，ML 可分为监督学习（用特定的标签或标注进行训练）、无监督学习（在没有特定的监督下进行学习）、半监督或弱监督学习（用标记或未标记的数据进行训练，以减少标注负担）、强化学习和深度学习（deep learning，DL）等[3]。……