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，这种首开先河的技术有潜力重塑美国各卫生系统中脑成像的处理方式。研究结果发表在Nature Biomedical Engineering上。

密歇根大学健康中心（University of Michigan Health）的资深作者、神经外科医生兼密歇根大学医学院神经外科学助理教授Todd Hollon博士说："随着全球对MRI的需求不断增加，给我们的医生和医疗系统带来了巨大的压力，我们的AI模型有望通过快速、准确的信息改善诊断和治疗，从而减轻负担。"

测试Prima人工智能系统

Hollon将这项新技术命名为Prima。在为期一年的时间里，他的研究团队利用了超过30,000份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的诊断性能优于其他先进的AI模型。除了识别疾病外，该系统还能够确定哪些病例需要优先处理。

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说，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。

该系统被设计用于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。患者完成影像检查后，反馈会立即提供。

共同第一作者、密歇根大学计算机科学与工程系的博士后研究员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于及时的诊断和改善患者预后也至关重要。"

"在流程的关键步骤中，我们的结果显示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类型。虽然人工智能以前已被应用于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经过精心挑选的MRI数据子集进行训练，并被设计用于执行狭窄的任务，例如识别病变或估计痴呆症风险。而Prima则使用更广泛的数据集进行训练。

Hollon的团队使用了密歇根大学健康中心自数字化放射学记录以来的所有可用MRI数据。这包括超过200,000份MRI研究和560万个成像序列。该模型还整合了患者的临床病史以及医生要求进行每次影像学检查的原因。

Hollon的神经外科机器学习实验室（Machine Learning in Neurosurgery Lab）的数据科学家、共同第一作者Samir Harake说："Prima的工作方式就像放射科医生一样，整合有关患者病史和影像数据的信息，以全面了解他们的健康状况。"

"这使得它能够在广泛的预测任务中实现更好的性能。"

应对MRI延迟和放射科医生短缺

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、诊断延误和错误。根据患者接受扫描的位置，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："无论您是在一个面临日益增长的工作量的较大医疗系统接受扫描，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可及性。"

"我们在密歇根大学的团队已协作开发出解决这一问题的尖端解决方案，它具有巨大的、可扩展的潜力。"

医疗影像中的AI未来

尽管Prima表现强劲，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好的任务。

Hollon将Prima描述为"医疗影像界的ChatGPT"，并指出类似的技术最终可以应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。

"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研究的副驾驶，"Hollon说。

"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： 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.，均来自密歇根大学。

资金/披露：这项工作得到了美国国立卫生研究院国家神经系统疾病与中风研究所（K12NS080223）的部分资助。

内容仅代表作者的责任，不一定代表NIH的官方观点。

这项工作也得到了Chan Zuckerberg Initiative (CZI)、 Frankel Institute for Heart and Brain Health、Mark Trauner Brain Research Fund、Zenkel Family Foundation、Ian's Friends Foundation以及UM Precision Health Investigators Awards资助计划的支持。

🚀 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。