人工智能在数秒内解读脑部MRI并标记紧急情况

研究人员表示，这项首创的技术有潜力改变美国各地卫生系统中脑部影像的处理方式。研究结果发表在《自然-生物医学工程》杂志上。

密歇根大学健康中心神经外科医生、密歇根大学医学院神经外科学助理教授、资深作者Todd Hollon博士说："随着全球对MRI的需求增加，给我们的医生和医疗系统带来巨大压力，我们的AI模型有潜力通过快速、准确的信息来改进诊断和治疗，从而减轻负担。"

测试 Prima AI 系统

Hollon 将这项新技术命名为 Prima。在为期一年的时间里，他的研究团队使用超过30,000例MRI研究对该系统进行了评估。

在涉及主要神经系统疾病的50多种放射学诊断中，Prima 展现出了比其他先进AI模型更强的诊断性能。除了识别疾病外，该系统还证明了确定哪些病例需要更高优先级的能力。

某些神经系统疾病，如中风和脑出血，需要立即进行医疗干预。Hollon 表示，在这些情况下，Prima 可以自动提醒医疗服务提供者，以便迅速采取行动。

该系统旨在通知最合适的专科医生，如中风神经科医生或神经外科医生。在患者完成影像学检查后，反馈会立即可用。

密歇根大学计算机科学与工程的博士后研究员、共同第一作者Yiwei Lyu表示："阅读脑部MRI时，准确性至关重要，但快速的周转时间对及时的诊断和改善预后也至关重要。"

"在流程的关键步骤中，我们的结果显示了 Prima 如何在不牺牲准确性的前提下，改进工作流程并简化临床护理。"

Prima 是什么？

Prima 被归类为视觉语言模型（VLM），这是一种可以实时处理图像、视频和文本的人工智能。虽然人工智能以前也应用于MRI分析，但研究人员表示 Prima 采取了不同的方法。

早期的模型通常使用精心挑选的MRI数据子集进行训练，旨在执行狭窄的任务，例如识别病变或估计痴呆风险。而 Prima 则是在更广泛的数据集上进行训练的。

Hollon 的团队使用了密歇根大学健康中心放射学记录数字化以来收集的所有MRI数据。这包括超过200,000项MRI研究和560万个影像序列。该模型还纳入了患者的临床病史以及医生要求进行每项影像学检查的原因。

Hollon 机器学习神经外科实验室的资深数据科学家、共同第一作者Samir Harake说："Prima 的工作方式就像一位放射科医生，通过整合患者病史和影像数据方面的信息，来全面了解他们的健康状况。"

"这使得它在广泛的预测任务中表现更佳。"

解决MRI延迟和放射科医生短缺问题

每年，全球进行数百万次MRI扫描，其中许多都集中在神经系统疾病上。研究人员表示，对这些扫描的需求增长速度快于神经放射学服务的可用性。

这种不平衡导致了人员短缺、诊断延迟和错误。根据患者接受扫描的地点不同，结果可能需要几天甚至更长时间才能返回。

密歇根大学健康中心放射科主任、合著者Vikas Gulani博士说："无论您是在一家面临不断增加的工作量的较大医疗系统，还是在资源有限的乡村医院接受扫描，都需要创新技术来改善对放射学服务的获取。"

"我们在密歇根大学的团队已合作开发出一种具有巨大、可扩展潜力的尖端解决方案来解决这个问题。"

医疗影像中人工智能的未来

尽管 Prima 表现出色，但研究人员强调，这项工作仍处于早期评估阶段。未来的研究将侧重于整合更详细的患者信息和电子病历数据，以进一步提高诊断准确性。

这种方法模仿了放射科医生和内科医生在真实临床环境中解释MRI和其他影像学研究的方式。虽然人工智能已经在医疗保健中得到应用，但大多数现有系统仅限于狭隘定义的任务。

Hollon 将 Prima 描述为"医疗影像领域的ChatGPT"，并指出类似的技术最终可能适用于其他类型的影像，包括乳房X光片、胸部X光片和超声波。

Hollon 说："就像AI工具可以帮助起草电子邮件或提供建议一样，Prima 旨在成为解释医疗影像学的副驾驶。"

"我们相信 Prima 体现了整合医疗系统和AI驱动模型通过创新改善医疗保健的变革潜力。"

其他作者：密歇根大学的 Asadur Chowdury, M.S., Soumyanil Banerjee, M.S., Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, M.D., Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, M.D., Volker Neuschmelting, M.D., Ashok Srinivasan, M.D., Dawn Kleindorfer, M.D., Brian Athey, Ph.D., Aditya Pandey, M.D. 和 Honglak Lee, Ph.D.。

资金/披露：这项工作得到了国家卫生研究院国家神经疾病和中风研究所（K12NS080223）的部分资助。

内容完全由作者负责，不一定代表NIH的官方观点。

这项工作还得到了Chan Zuckerberg Initiative (CZI)、Frankel心脏与大脑健康研究所、Mark Trauner脑研究基金、Zenkel家族基金会、Ian's Friends Foundation以及UM精准健康研究员奖资助计划的部分支持。

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。