密歇根大学的研究人员研发出一款人工智能系统，能在数秒内解读脑部核磁共振扫描结果，准确识别多种神经系统疾病，并判断哪些病例需要紧急护理。该模型经过数十万份真实临床扫描数据及患者病史的训练，其准确率高达97.5%，表现优于其他先进人工智能工具。
研究人员表示，这项首创技术有望重塑美国医疗系统处理脑部影像的方式。研究结果发表在《自然·生物医学工程》上。
“随着全球对磁共振成像的需求增加，给我们的医生和医疗系统带来巨大压力，我们的人工智能模型有潜力通过提供快速准确的信息改善诊断和治疗，从而减轻负担，”资深作者、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助理教授托德·霍隆医学博士说。
测试Prima人工智能系统
霍隆将这项新技术命名为Prima。在一年时间里，他的研究团队使用超过3万项磁共振成像研究评估了该系统。
在涉及主要神经系统疾病的50多种不同放射学诊断中，Prima比其他先进人工智能模型表现出更强的诊断性能。除了识别疾病，该系统还被证明能够确定哪些病例需要优先处理。
某些神经系统疾病，包括中风和脑出血，需要立即医疗干预。霍隆说，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。
该系统旨在通知最合适的亚专科医生，如中风神经科医生或神经外科医生。患者完成影像检查后，反馈立即可用。
“在阅读脑部磁共振成像时，准确性至关重要，但快速周转时间对于及时诊断和改善预后也至关重要，”共同第一作者、密歇根大学计算机科学与工程系博士后研究员吕逸伟（理学硕士）说。
“在过程中的关键步骤，我们的结果显示了Prima如何在不放弃准确性的前提下改进工作流程并简化临床护理。”
什么是Prima？
Prima被归类为视觉语言模型，这是一种可以实时同时处理图像、视频和文本的人工智能类型。虽然人工智能此前已应用于磁共振成像分析，但研究人员表示Prima采取了不同的方法。
早期模型通常在精心挑选的磁共振成像数据子集上进行训练，并设计用于执行狭窄任务，例如识别病变或评估痴呆风险。Prima则在更广泛的数据集上进行了训练。
霍隆的团队使用了密歇根大学健康中心自放射学记录数字化以来收集的所有可用磁共振成像。这包括超过20万项磁共振成像研究和560万成像序列。该模型还整合了患者的临床病史以及医生要求进行每项影像检查的原因。
“Prima像放射科医生一样工作，通过整合有关患者病史和影像数据的信息，对其健康状况进行全面理解，”共同第一作者、霍隆神经外科机器学习实验室数据科学家萨米尔·哈拉凯说。
“这使得在广泛的预测任务中实现更好的性能。”
应对磁共振成像延误和放射科人员短缺
全球每年进行数百万次磁共振成像扫描，其中许多专注于神经系统疾病。研究人员表示，对这些扫描的需求增长速度超过了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地点不同，结果可能需要数天甚至更长时间才能出来。
“无论你是在面临日益增长需求的大型医疗系统，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放射学服务的可及性，”合著者、密歇根大学健康中心放射学系主任维卡斯·古拉尼医学博士、哲学博士说。
“我们在密歇根大学的团队合作开发了一种解决这一问题的尖端解决方案，具有巨大且可扩展的潜力。”
人工智能在医学影像中的未来
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。
这种方法反映了放射科医生和医生在真实临床环境中如何解读磁共振成像和其他影像检查。虽然人工智能已用于医疗保健，但大多数现有系统仅限于狭义定义的任务。
霍隆将Prima描述为“医学影像领域的ChatGPT”，并指出类似技术最终可能适用于其他影像类型，包括乳腺X线摄影、胸部X线和超声检查。
“就像人工智能工具可以帮助起草电子邮件或提供建议一样，Prima旨在成为解读医学影像研究的副驾驶，”霍隆说。
“我们相信，Prima展示了整合医疗系统和人工智能驱动模型通过创新改善医疗保健的变革潜力。”
其他作者：阿萨杜尔·乔杜里（理学硕士）、索米亚尼尔·班纳吉（理学硕士）、雷切尔·戈洛戈尔斯基、刘世轩、安娜-凯瑟琳·迈斯纳医学博士、阿克沙伊·拉奥、赵晨辉、阿基尔·孔德普迪、姜成、侯鑫海、拉什克什·S·乔希医学博士、福尔克尔·诺伊施梅尔廷医学博士、阿肖克·斯里尼瓦桑医学博士、道恩·克莱因多弗医学博士、布莱恩·阿西哲学博士、阿迪亚·潘迪医学博士、李洪乐哲学博士，均来自密歇根大学。
资助/披露：这项工作得到了美国国立卫生研究院下属国家神经疾病和中风研究所（K12NS080223）的部分支持。
内容由作者全权负责，不一定代表美国国立卫生研究院的官方观点。
这项工作还得到了陈-扎克伯格倡议、弗兰克尔心脏与大脑健康研究所、马克·特劳纳大脑研究基金、曾克尔家族基金会、伊恩之友基金会以及密歇根大学精准健康研究者奖资助项目的支持。