中枢神经系统感染患者，将用人工智能预测感染原因和预后

by Jeong Donghoon

Published 04 Jun.2025 09:47(KST)

利用脑脊液内免疫细胞结构图像
开发深度学习模型

图片由延世医疗院提供

一种能够在早期对中枢神经系统急性炎症的病因进行分类并预测预后情况的人工智能（AI）模型已经被开发出来。

4日，延世医疗院表示，延世大学医学院医生命系统信息学教室教授 Park Yurang、世福兰斯医院神经科教授 Kim Kyungmin、江南世福兰斯医院神经科讲师 Choi Bokyu 等研究团队，利用脑脊液中免疫细胞的三维结构图像，开发出一款可以预测中枢神经系统疾病感染病因及预后的模型。其预测准确度最高分别可达99%（病因预测）和94%（预后预测）。

本研究在现代汽车 Chung Mong-gu 基金会保健医疗研究开发（R&D）资助下完成，其成果被刊登在国际学术期刊《Advanced Intelligent Systems》，并被选为6月刊封面。

当中枢神经系统发生急性炎症时，会出现脑炎、脑膜炎等疾病。其发病原因非常多样，不同病因对应的症状和预后也各不相同。其中，如果病因为细菌性或结核性，死亡率较高，且治疗后仍可能出现认知功能障碍、脑血管障碍、癫痫发作反复等后遗症，因此快速明确病因并进行治疗尤为重要。

炎症的病因多种多样，主要为微生物感染。根据不同病原体，确诊检查也不尽相同，部分特定检查从检测到出结果需要数周甚至更长时间。在实际临床中，往往在结果出来之前只能根据症状进行经验性治疗，由此可能引发并发症。因此，要为中枢神经系统感染患者提供合适的治疗，准确把握病因是必不可少的。

研究团队开发了基于人工智能的中枢神经系统感染病因及预后预测模型，并对其效果进行了分析。研究人员从前来世福兰斯医院就诊的14名中枢神经系统感染患者身上，共收集了1427个脑脊液免疫细胞的三维影像，并基于这些免疫细胞结构图像构建了用于预测感染病因及预后的深度学习模型。

研究团队对所构建的深度学习模型在中枢神经系统感染病因及预后预测方面的性能进行了评估。结果显示，当输入1个免疫细胞图像时，感染病因预测准确度为89%，神经疾病患者预后预测准确度为79%。尤其是，随着向深度学习模型输入的细胞图像数量增加，各项预测性能的准确度进一步提高：当输入5个免疫细胞图像时，感染病因预测准确度达到99%，预后预测准确度达到94%。

此外，研究团队还确认，该深度学习模型通过识别细胞核周围结构的差异来预测预后和病因，并将细胞质量、体积、蛋白质密度等定量指标作为预测中的重要要素加以利用。