近日，上海科技大学生物医学工程学院程冰冰课题组在IEEE Transactions on Biomedical Engineering上发表了题为“Multiple Instance Learning-Based Prediction of Blood-brain Barrier Opening Outcomes Induced by Focused Ultrasound”的研究论文，利用多实例学习等深度学习方法实现了聚焦超声开放血脑屏障效果的快速准确评估，有利于加速聚焦超声开放血脑屏障技术的临床转化。
血脑屏障是一种具有高度选择性的半透膜生理结构，在保护大脑的同时，也严重阻碍了脑部的药物递送。经颅聚焦超声联合超声造影剂微/纳泡可实现无创、靶向和可逆的血脑屏障开放，是一种具有广阔前景的脑部药物递送技术（图1）。然而，当前评估聚焦超声靶向开放血脑屏障效果的方法缺乏快速性和简便性，且价格昂贵。目前临床金标准——增强T1加权MRI检测方法需要昂贵的MRI设备，扫描时间长，需要注射较难排出体外的磁共振造影剂钆，而且对于装有心脏起搏器等金属植入物和具有幽闭恐惧症的患者不适用。
图1. 聚焦超声联合微泡开放血脑屏障示意图
研究人员提出了一种基于Transformer的深度学习预测模型（图2），结合聚焦超声调控血脑屏障通透性过程中的声学反馈信号，实现了对于血脑屏障开放效果的快速准确评估，准确率高达96.7%。
图2. 基于Transformer的聚焦超声开放血脑屏障预测模型示意图
上海科技大学程冰冰教授为论文的通讯作者，硕士研究生戴海鑫为第一作者，上海科技大学为第一完成单位。上海科技大学王乾教授和程冰冰课题组博士研究生李雯婧参与了此项研究。
沪公网安备 31011502006855号