基于人工智能的 Certas Plus 分流阀设置在 CT 扫描中的识别

这对植入脑液引流装置的患者为何重要

许多患有脑积水的人依赖于植入体内的小管道（称为分流器）来引流脑内多余的液体。这些分流器包含一个可调节的小阀门，医生可以像调拨盘一样设置它，以控制排液量。如果设置错误或阀门发生故障，患者可能会严重病倒，因此医生通常需要从脑部影像中迅速获得答案。本研究探讨了人工智能（AI）是否能直接从常规 CT 扫描中读取这些阀门的设置，从而节省时间、减少额外检查，甚至避免医院之间的转运。

在头颅内读取微小拨盘的挑战

对于使用可调节分流器的患者，了解当前阀门设置至关重要。设置可能会意外改变，例如在接触强磁场（如 MRI）后，导致排液过多或不足。理论上，医生可以通过特殊的 X 光片或手持工具看到设置，但现实中许多医院只有 CT 扫描仪可立即使用。不幸的是，分流器中的金属部件以及 CT 图像的三维特性使得该微小指示器很难读取，即便是有经验的神经外科医生也如此。在这项研究中，研究者集中于一种常见型号——Certas Plus 阀，探问 AI 系统是否能从标准 CT 扫描中可靠地判断其设置。

把 CT 图像转化为简单的角度

团队收集了七年内患有 Certas Plus 阀的患者的 391 例头部 CT 扫描。对于每一例扫描，研究者确保病历中记录的阀门设置与两位神经外科医生在影像上看到的一致，建立了可靠的真实标注。随后他们使用一种用于三维图像的现代 AI 架构——U 型神经网络，训练计算机在每个阀门中找到五个小金属标记物。一旦定位到这些标记物，自定义软件就会计算每个标记物的中心并重建阀门的朝向。通过比较两枚特殊磁体连线与其他参考标记连线，软件测量出一个角度，再将该角度转换为八个可能阀位之一。

计算机与真实设置的匹配程度

在一组独立的 75 例 CT 测试集中，AI 系统在 97.3% 的病例中成功找到标记并计算出角度。它在 81.3% 的扫描中预测到与病历记录完全一致的阀位。重要的是，当系统“出错”时，它几乎总是选择与真实位置在拨盘上相邻的设置，从不会从非常低流量直接跳到完全封闭位。由于阀门本身可以在标注位置之间连续调节，甚至官方工具也难以区分相邻位。当研究者把“可接受”预测定义为正确或相差一步时，总体性能提升到 96%，他们认为这一水平对日常临床决策具有实际意义。

这可能改变日常护理的哪些方面

脑积水的治疗成本高昂，其中一项主要开销来自将患者转运到其他医院进行专门检查。如果小医院的一次常规 CT 扫描能被自动分析以确认阀门设置在合理范围内，则部分转运可被避免。该 AI 模型还会在影像上生成阀门部件的彩色轮廓，便于临床医生目视检查并验证计算机的处理，而不是盲目信任单一数值。尽管这项研究在单一中心进行、且使用的 CT 扫描仪主要来自同一制造商，结果仍表明自动读取分流阀设置在技术上是可行的。

未来可能的发展方向

作者得出结论：AI 能在 CT 扫描中可靠识别 Certas Plus 分流阀的设置，达到与人类专家相当的准确度，并且很可能足以支持真实世界的护理。他们强调需要更大规模、多医院的研究来确认该方法能否适用于不同型号的扫描仪和多样化的患者群体，并将其推广到其他阀门类型或同时植入多枚阀门的患者。如果这些努力成功，未来脑积水患者可能能从他们本已接受的扫描中快速且安全地检查阀门设置，减少额外成像需求，并帮助医生更早发现分流器问题。

引用: Scheffler, P., Shah, M., Amirah, R. et al. AI-based detection of Certas Plus shunt valve settings in CT scans. Sci Rep 16, 9647 (2026). https://doi.org/10.1038/s41598-026-45388-2

关键词: 脑积水, 脑脊液分流, 计算机断层扫描, 医学影像人工智能, 可编程阀