利用深度学习对侧脑桥延髓梗死后吞咽困难严重程度进行分类

为何中风后吞咽困难很重要

有些中风后，即便是一小口水也可能变得危险。患者可能无法安全吞咽，增加窒息、肺炎和长期住院的风险。本研究关注一种位于脑干的特定中风——侧延髓梗死，这种中风常导致严重且长期的吞咽障碍。研究者想知道，仅凭早期脑部 MRI 扫描，现代人工智能（AI）系统是否能预测哪些患者会出现最严重的吞咽困难并可能需要强化支持。

一个小脑区，却影响巨大

延髓位于脑底，是控制呼吸和吞咽等自动动作的重要小区域。在侧延髓梗死中，血管问题会导致该区域局部供血中断。许多此类中风患者出现吞咽困难，有些人的问题严重到食物和液体无法顺利进入食管，可能需要数月或数年的管饲。临床医生知道梗死在延髓内的精确位置和垂直范围会影响吞咽障碍的严重程度，但受累的区域非常小，常规影像肉眼难以准确判断。

把脑部影像变成早期预警

为应对这一挑战，作者收集了163名首次发生侧延髓中风且在入院后24小时内完成 MRI 扫描的患者数据。其中约四分之一在一项名为摄片透视吞咽造影（videofluoroscopic swallowing study）的专门X线检查中被判定为严重吞咽困难，其余患者为较轻的障碍。对每位患者，团队聚焦于三张标准 MRI 切片，分别横贯下、中、上延髓——这些层次包含组织吞咽运动的神经回路。研究者根据该专门检查中食物和液体通过咽部并进入食管的情况，将每位患者标注为严重或非严重吞咽困难。

AI 如何读懂微小的梗死模式

研究人员训练了一种名为分层视觉变换器（Hierarchical Vision Transformer）的深度学习系统来识别与吞咽严重程度相关的影像模式。该模型并非把整张扫描当作一幅整图来看，而是将图像切成许多小块，转换为数值模式，然后在保留位置信息的同时逐步组合这些块。这种设计能让 AI 同时注意到细微特征和更广泛的空间分布——在处理脑干内非常小但关键的结构时尤其有利。模型只接触 MRI 图像，不包含其他临床信息，学习将患者分为严重或非严重吞咽两类。

系统的表现如何

在对先前未见过的病例进行测试时，AI 对吞咽严重程度的总体分类准确率为85%。当模型预测某名患者会出现严重吞咽困难时，其预测正确率约为70%，并且成功识别了三分之二以上（约四分之三）的真实严重病例。用于反映模型在不同决策阈值下区分两类能力的受试者工作特征曲线下面积（AUC）为0.69——被视为公平但非优秀的区分水平。作者指出数据存在类别不平衡，非严重组人数明显多于严重组，这可能限制模型清晰区分两类病例的能力。

这对患者可能意味着什么

尽管该 AI 工具并不完美，但研究表明早期 MRI 扫描中已包含足够信息，使计算机可以估计哪些侧延髓中风患者更可能出现严重吞咽问题。未来，这类系统可作为早期分诊辅助，标记可能需要迅速营养支持、加强肺炎监测和强化康复的患者——即使在专门的吞咽检查尚未安排之前。作者强调，在这一方法能被广泛应用之前，需要更大规模、多中心的研究以及将临床数据纳入模型的进一步工作。尽管如此，他们的工作表明，对常规脑影像进行智能分析有望帮助个性化护理，改善面临脑干中风最具致残性的后果之一的患者的生活质量。

引用: Lee, T., Kim, B.H., Nam, K. et al. Classification of dysphagia severity after lateral medullary infarction with deep learning. Sci Rep 16, 9907 (2026). https://doi.org/10.1038/s41598-026-40751-9

关键词: 中风, 吞咽困难, 脑部磁共振成像, 深度学习, 康复